原创力文档- 1、本文档共9页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
数据挖第二次作业
数据挖掘第二次作业
1.
Find all frequent itemsets using Apriori and FP-growth, respectively, by treating each transaction ID as a market basket. Compare the efficiency of the two mining processes.
Apriori：最小支持度计数值10*50%=5
a
7
b
6
c
5
d
6
e
8
ab
4
ad
4
ac
3
ae
6
bd
2
bc
2
be
5
cd
2
de
5
ae
6
be
5
de
5
a
7
b
6
d
6
c
5
e
8
C1= L1= C2= L2=
abe
3
ade
4
C3=
没有频繁3项级
L={{a}{b}{c}{d}{e}{ae}{be}{de}}
FP-growth
数据库的第一次扫描同Apriori，导出频繁1项集的集合和支持度计数（最小支持度计数为5）。频繁1项集按支持度递减序排序，结果集记为：L={{e:8},{a:7},{b:6}, {d:6},{c:5}}。
e
8
a
7
b
6
d
6
c
5
构造FP树如下：
从底层开始构建条件模式基挖掘条件FP树从而找出频繁项集
项
条件模式基
条件FP树
产生的频繁模式
c
{{ead:1}{eab:1}{eb:1}{d:1}{ab:1}}
{}
d
{{ea:3}{eab:1}{eb:2}}
e:5,a:4
{ed:5}{ad:4}{ead:4}
b
{{ea:3}{e:2}{a:1}}
e:5,a:3,a:1
{eb:5}{ab:4}
a
{{e:6}}
e:6
{ea:6}
L={{a}{b}{c}{d}{e}{ae}{be}{de}};
Apriori与FP-growth的效率比较：
Apriori挖掘全部频繁项集时需要产生候选项集，而且需要多次重复地扫描数据库，增加I/O开销。而FP-growth是不用产生候选的方法，它构造一个高度压缩的数据结构—FP树来压缩原先的事务数据库，并且整个FP-growth过程只需2次来扫描数据库，还有就是FP-growth的不是使用Apriori方法的产生-测试策略，而聚焦于频繁模式段增长，避免了高代价的候选产生，此外，它的基本操作是计数频繁项集和建立条件FP树，没有模式搜索和匹配过程，因而获得了更好的效率。但是FP-growth也存在一些缺点，额外建立FP树是要耗内存的，而且经常包含一些冗余信息。
Use the results in part (a) to compute the con?dence for the association rules {a, d}?{e} and {e}?{a, d}. Is con?dence a symmetric measure?
{a, d}= {e}, confidence=4/4=100%
{e}= {a, d}, confidence=4/8=50%
两个关联规则的置信度不相等，因此置信度不是对称规则。
List all of the strong association rules (with support s and confidence c) matching the following metarule, where X is a variable representing customers, and itemi denotes variables representing items (e.g. “A”, “B”, etc.):
由(a)中得出的频繁项集L可得所有的关联规则如下：
对{a, e}有两个子集{a},{e}, 得到的关联规则为：
a=e, confidence=6/7=86% e=a, confidence=6/8=75%
对{b, e}有两个子集{b}, {e},得到的关联规则为：
b=e, confidence=5/6=83% e=b, confidence=5/8=62.5%
对{d, e}有两个子集{d}, {e},得到的关联规则为：
d=e, confidence=5/6=83% e=d, confidence=5/8=62.5%
因为min_conf=60%，得出所有强关联规则为：
buys(X, a)=buys(X, e) [s=60%, c=86%]
buys(X, e)=buys(X, a) [s=60%, c=75%]
buys(X, b)=buys(X, e) [s=50%, c=83%]
buy
文档评论（0）