数据仓库与数据挖掘习题课2.ppt

* argmax表示寻找具有最大评分的参量 argmin 或者argmax 吧，它的含义是求一组序列的参数的值，当使用这个参数时序列中的值达到最小（或最大）。 * * * * * 数据仓库与数 据 挖 掘 主讲教师：王浩畅 E-mail: wanghch_angel@ School of Computer Information Technology of NEPU 习题课2 习题5.3 5.3.数据库有5个事物。设min_sup=60%，min_conf=80%. (a)分别使用Apriori和FP增长算法找出所有的频繁项集。比较两种挖掘过程的效率。 (b)列举所有与下面的的元规则匹配的强关联规则（给出支持度s和置信度c），其中，X是代表顾客的变量，item是表示项的变量（如“A”、“B”等）： ?x?transaction, buys(X, item1)∧buys(X, item2)?buys(X, item3) [s, c] TID 购买的商品 T100 {M, O, N, K, E, Y} T200 {D, O, N, K, E, Y} T300 {M, A, K, E} T400 {M, U, C, K, Y} T500 {C, O, O, K, I, E} 解答5.3 (a) 解答5.3(续) (a) 项头表 Item frequency head k 5 e 4 m 3 o 3 y 3 解答5.3 (续) (a) 效率比较：Apriori算法的计算过程必须对数据库作多次扫描，而FP-增长算法在构造过程中只需扫描一次数据库，再加上初始时为确定支持度递减排序的一次扫描，共计只需两次扫描。由于在Apriori算法中的自身连接过程产生候选项集，候选项集产生的计算代价非常高，而FP-增长算法不需产生任何候选项。 解答5.3 (续) (b)列举所有与下面的的元规则匹配的强关联规则（给出支持度s和置信度c），其中，X是代表顾客的变量，item是表示项的变量（如“A”、“B”等）： ?x?transaction, buys(X, “K”)∧buys(X, “O”)?buys(X, “E”) [s=0.6, c=1] ?x?transaction, buys(X, “E”)∧buys(X, “O”)?buys(X, “K”) [s=0.6, c=1] 或也可表示为 K,O→E[s(support)=0.6或60%,c(confidence)=1或100%] E,O→K[s(support)=0.6或60%,c(confidence)=1或100%] 5.14.下面的相依表汇总了超级市场的事务数据。其中，hot dog表示包含热狗的事务， 表示不包含热狗的事务，humburgers表示包含汉堡包的事务， 表示不包含汉堡包的事务。 (a) 假定发现关联规则”hot dog ? humburgers”。给定最小支持度阈值25%，最小置信度阈值50%，该关联规则是强的吗？ (b) 根据给定的数据，买hot dog独立于买humburgers吗？如果不是，二者之间存在何种相关联系？ hot dog ?row humburgers 2,000 500 2,500 1,000 1,500 2,500 ?col 3,000 2,000 5,000 习题5.14 解答5.14 (续) (a) 假定发现关联规则”hot dog ? humburgers”。给定最小支持度阈值25%，最小置信度阈值50%，该关联规则是强的吗？ 支持度=P(hot dog , humburgers)= 2000/5000 = 40% 25%, 置信度= P(hot dog , humburgers)/ P(hot dog )= 2000/3000 = 66.7% 50%.关联规则是强的 (b) 根据给定的数据，买hot dog独立于买humburgers吗？如果不是，二者之间存在何种相关联系？ Corr{hotdog, hamburger} = P({hot dog, hamburger})/(P({hot dog}) P({hamburger})) = 0.4/(0.5 × 0.6) =1.33 1. 因此，购买 hotdogs 和hamburgers 不独立。并且两者是正相关的关系