数据挖掘原理及实践 - XMU MIREL.PDFVIP

教育部-IBM产学合作专业综合改革项目精品课程 数据挖掘原理及实践 主讲教师: 吴云峰, 吴梅红, 刘恺之 助教: 罗鑫 厦门大学 信息科学与技术学院 Email: cloudswu@ /course/DM 第7章 数据挖掘中的关联规则 1 概念 2 基本术语 3 挖掘算法的策略 4 频繁项集的产生 5 候选的产生与剪枝 6 支持度计算 7 计算复杂度 8 规则产生 2 介绍 • 许多商业企业在日复一日的运营中积聚了大量的数据。例如：食品商 店的收银台每天都收集大量的顾客购物数据。本章节主要介绍一种称 作关联分析（association analysis ）的方法, 用于发现隐藏在大型数 据集中的有意义的联系。所发现的联系可以用关联规则（association rule ）或频繁项集的形式表示。比如众所周知的从购物篮事务中提取 出来的规则： • {尿布}→{啤酒} • 该规则表明尿布和啤酒的销售之间存在有很强的联系, 因为许多购买 尿布的顾客也会买啤酒。零售商可以使用这种规则, 帮助他们发现新 的交叉销售商机。 3 介绍 • 除了购物篮数据进行关联分析时, 关联分析也可以应用于其他领域, 如 生物信息学、医疗诊断、网页挖掘和科学数据分析等。例如：在地球 科学数据分析中, 关联模式可以揭示海洋、陆地和大气过程之间的有 趣联系。这样的信息能够帮助地球科学家更好地理解地球系统中不同 的自然力之间的相互作用。 • 因此可以知道, 关联分析（association analysis ）的方法, 用于发现隐 藏在大型数据集中的有意义的联系, 可应用于很多领域。 4 7.1 数据挖掘中的关联规则: 概念 • 关联分析 (association analysis)。用于发现隐藏在大型数据集中的有 意义的联系。所发现的联系可以用关联规则 (association rule)或频繁 项集的形式表示。 • 例如：表中给出一个购物篮事务 (market basket transaction)的例子： TID 项集 1 {面包，牛奶} 2 {面包，尿布，啤酒，鸡蛋} 3 {牛奶，