数据仓库与数据挖掘教程(第2版)第八章 集合论方法.pptVIP

用 FP-tree挖掘频繁集 1、基本思想 (分而治之) 用FP-tree递归增长频繁集 2、方法 对每个项，生成它的条件模式库, 然后是它的条件 FP-tree； 对每个新生成的条件FP-tree，重复这个步骤； 直到结果FP-tree为空, 或只含维一的一个路径 (此路径的每个子路径对应的相集都是频繁集)。 挖掘 FP-tree的主要步骤 1、为FP-tree中的每个节点生成条件模式库 2、用条件模式库构造对应的条件FP-tree 3、递归构造条件 FP-trees 同时增长其包含的频繁集 如果条件FP-tree直包含一个路径，则直接生成所包含的频繁集。 步骤1: 从 FP-tree 到条件模式库 （1）从FP-tree的头表开始； （2）按照每个频繁项的连接遍历 FP-tree； （3）列出能够到达此项的所有前缀路径，得到条件模式库； 条件模式库 item cond. pattern base c f:3 a fc:3 b fca:1, f:1, c:1 m fca:2, fcab:1 p fcam:2, cb:1 {} f:4 c:1 b:1 p:1 b:1 c:3 a:3 b:1 m:2 p:2 m:1 头表 Item frequency head f 4 c 4 a 3 b 3 m 3 p 3 FP-tree支持条件模式库构造的属性 1、节点裢接 任何包含ai, 的可能频繁集，都可以从FP-tree头表中的ai沿着ai 的节点链接得到 2、前缀路径 要计算路径P 中包含节点ai 的频繁集，只要考察到达ai 的路径前缀即可，且其支持度等于节点ai 的支持度 步骤2: 建立条件 FP-tree 对每个模式库 计算库中每个项的支持度 用模式库中的频繁项建立FP-tree m-条件模式库: fca:2, fcab:1 {} f:3 c:3 a:3 m-conditional FP-tree ? ? {} f:4 c:1 b:1 p:1 b:1 c:3 a:3 b:1 m:2 p:2 m:1 头表 Item frequency head f 4 c 4 a 3 b 3 m 3 p 3 第3步: 递归挖掘条件FP-tree {} f:3 c:3 a:3 m-条件 FP-tree “am”的条件模式库: (fc:3) {} f:3 c:3 am-条件 FP-tree “cm”的条件模式: (f:3) {} f:3 cm-条件 FP-tree “cam”条件模式库: (f:3) {} f:3 cam-条件 FP-tree All frequent patterns concerning m m, fm, cm, am, fcm, fam, cam, fcam 通过建立条件模式库得到频繁集 Empty Empty f {(f:3)}|c {(f:3)} c {(f:3, c:3)}|a {(fc:3)} a Empty {(fca:1), (f:1), (c:1)} b {(f:3, c:3, a:3)}|m {(fca:2), (fcab:1)} m {(c:3)}|p {(fcam:2), (cb:1)} p 条件FP-tree 条件模式库 项 FP-growth 比Apriori快一个数量级 原因： 不生成候选集，不用候选测试。 使用紧缩的数据结构 避免重复数据库扫描 基本操作是计数和建立 FP-tree 树 关联规则挖掘：路线图 布尔 vs. 定量 关联 (基于 处理数据的类型) buys(x, “SQLServer”) ^ buys(x, “DMBook”) ? buys(x, “DBMiner”) [0.2%, 60%] age(x, “30..39”) ^ income(x, “42..48K”) ? buys(x, “PC”) [1%, 75%] 单维 vs. 多维 关联 (例子同上) 单层 vs. 多层 分析 那个品种牌子的啤酒与那个牌子的尿布有关系? 各种扩展 相关性、因果分析 关联并不一定意味着相关或因果 最大模式和闭合相集 添加约束 如, 哪些“小商品”的销售促发了“大商品”的买卖？ 事务ID 事务的项目集 T1 A,B,E T2 B,D T3 B,C T4 A,B,D T5 A,C T6 B,C T7 A,C T8 A,B,C,E T9 A,B,C * 事务数据库的FP-树 频繁模式挖掘过程 从FP-树中来挖掘频繁模式，先从L表中最后一项开始。E在FP-树有两个分枝，路经为BAE:1和BACE:1。 以E为后缀，它的两个对应前缀路径是（BA:1）和（BAC:1），它们形成E的条件模式基。它的条件FP-树只包含单个路径B:2,A:2；不包含C，因为它的支持度计数为1