关联规则挖掘1.pptVIP

GRI算法应用示例2 这里，仍以超市顾客个人信息和他们的一次购买商品数据BASKETS.txt为数据源，分析目标是，探寻不同购买物品之间的联系，为货架的摆放提供依据。 案例分析 输入变量（in）：所有购物篮内容 输出变量 (out) ：所有购物篮内容 Note：因为这里只是使用举例，所以为了结果的简洁和计算的效率，采用了如下图所设的参数设定。 分析结果 可以看到，基本可以分为两类： cannedveg、frozenmeal、beer wene、confectionery 下面，再利用web节点，验证此规则的正确与否。 Web节点：显示两个或两个以上符号型字段之间关系的强弱程度。这种图像通过使用各种不同类型的线条指示联系的强度来显示关系。 结论： 在摆放货架时，应该把灌装蔬菜、冷冻肉品和啤酒放在相邻的位置，把酒和糖果放在一起。 GRI算法应用示例3 这里，仍以超市顾客个人信息和他们的一次购买商品数据BASKETS.txt为数据源，分析目标是，探寻购买不同商品（以酒和饮料为例）的顾客的特征，确定促销信息发放的对象。 输入变量：客户的个人信息（sex、homeown、income、age） 输出变量：wine、softdrink 购买饮料的顾客群的特征： 收入29950的男性 或收入10250但是年龄大于38 购买酒的顾客群的特征： 拥有自己住房，且收入28850 结论： 对于酒类产品的促销活动信息，更应该发放给拥有自己住房，且收入28850的顾客，而不是所有收入29950的男性或收入10250但是年龄大于38的顾客。这类顾客更容易对碳酸饮料的促销活动动心。 通过上面的3个案例可以看到，GRI节点从购物篮数据中找到了潜在的关联规则，结果简单易懂，回答了超市的实际问题，为超市得销售提供了建设性的意见。 5.2.2 在Clementine中应用Apriori算法 利用超市顾客个人信息和他们的一次购买商品数据为例，讲解Aprioir算法的具体操作。 数据源为BASKETS.txt，为文本格式文件。数据包括两大部分的内容，第一部分是顾客的个人信息，第二部分是顾客的一次购买商品的信息。 数据源 “Apriori”节点-------Field选项卡 “Apriori”节点-------Model选项卡 “Apriori”节点-------Expert选项卡 浏览模型 Setting选项卡 网状图节点---------Web 5.3 序列模式 序列模式挖掘要发现的是事件在发生过程中的先后顺序上的规律 一个顾客在租借影碟时，先租借“星球大战”，然后是“帝国反击战”，最后是“杰达武士归来”（三部影片是以故事发生的时间先后而情节连续的）。 顾客在租借了前两部影片之后，他租借第三步影片的概率是比较高的。这就是一个顾客在租借影片时的序列模式。 5.3.1 序列与序列模式 序列，就是一个或多个项集有序地排列后组成的列表。例如，顾客6产生了这样一个序列：[{crackers} {bread}]。 在一个序列集中，如果某个序列s不包含于任何其它序列中，则称s是“极大序列” 在进行数据挖掘时，由用户指定一个最小支持度阈值。把那些支持度大于等于这个阈值的序列称为“频繁序列”。长度为k的频繁序列记作“频繁k-序列”。 给定一个事务数据库D，那么序列模式挖掘就是要从数据中找出所有的频繁序列，并从中取出那些极大序列，每一个这样的序列都代表了一个序列模式。 AprioriAll算法 基本思想 　　在每一次扫描(pass) 数据库时,利用上一次扫描时产生的大序列生成候选序列,并在扫描的同时计算它们的支持度( support) ,满足支持度的候选序列作为下次扫描的大序列。第1 次扫描时,长度为1 的频繁序列模式作为初始的大1 —序列。 算法思路 　　1) 排序阶段 利用客户标识customer 2id作为主关键字以及事务发生的时间transaction 2 time作为次关键字对数据库D排序,该步骤将原始的事务数据库转换成客户序列的数据库. 　　2) 发现频繁项集阶段 利用关联规则挖掘算法找出所有的频繁项目集. 　　3) 转换阶段 在已经转换的客户序列中,每一个事务被包含于该事物中的所大项目集来替换,如果一个序列不包含任何大项目集,则在已经转换的序列中不应该保留这项事务. 　　4) 序列阶段 利用核心算法找出所有的序列模式. （1） 排序阶段 按照顾客ID排序 交易发生的时间 客户标识 购买项 June 04 2 A，B June 04 5 H June 04 2 C June 04 2 D，F，G June 04