关联规则挖掘程序.ppt

关联分析过程 第二步：理解数据 了解数据集中有那些字段，字段的分布，字段间隐含的某种相关性。可以通过添加“类型”节点到数据流。双击“类型”节点，就能详细地了解该数据集中的数据。 第三步：准备数据 把暂时没有用到的字段剔除。做法：选中“类型”，通过“方向”列中的选项设定。 关联分析过程 第四步：建模 模型一：“Apriori” 将“建模”中的“Apriori”模型节点加入到数据流中。 右键单击“Apriori”节点，选择“执行”，此时，在右侧管理器窗口“模型”中就会生成一个模型。 右键单击该模型，选择“浏览” 。 关联分析过程 查看结果： 关联分析过程 模型二：“GRI” 在数据流上增加“GRI”模型，步骤同“Apriori”模型。但是对于市场购物篮数据分析，得到的结果不同（比Apriori模型多了一种商品——frozenmeal）。说明，数据挖掘中，模型的不同，得到的结果也可能不同。 “Apriori”模型和“GRI”模型都属于定量分型方法；下面给出一种定性分析方法。 关联分析过程 定性分析方法：“网络” 前面两个模型是采用定量的分析，下面采用一种定性的分析——“网络”。双击“网络”节点，将“网络”节点加入到数据流中。 对网络节点进行设置。同“类型”节点的做法一样，对与挖掘无关的字段进行剔除。 右键单击“网络”，选择“执行”。 拖动游标，可得到不同关联强度的字段关联规则。 关联分析过程 数据流图： 关联分析过程 运行结果： 关联分析过程 Thank you 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 * * * * * * * * * MaxMiner算法实例(4/4) Tid Items 10 A,B,C,D,E 20 B,C,D,E, 30 A,C,D,F ? (ABCDEF) Items Frequency ACD 2 Min_sup=2 A (BCDE) B (CDE) C (DE) E () D (E) AC (D) AD () Max patterns: BCDE ACD Node AC CLOSET ：高效的挖掘频繁闭项集算法 频繁项集列表（f_list） 　　　给定事务数据库TDB和最小支持度计数阈值min_sup，将所有的频繁项按照支持度计数递减顺序构成的表。 条件数据库（conditional database） 　　　给定一个事务数据库TDB，若项i是一个频繁项。 项i的条件数据库(用TDB|i表示)，是TDB中包含项i的交易构成的子集，并且所有出现的非频繁项、项i和f_list中项i后面的项都删除。 构造f_list TID Items 10 a,c,d,e,f 20 a,b,e 30 c,e,f 40 a,c,d,f 50 c,e,f 则由f_list定义得到：f_list:c:4,e:4,f:4,a:3,d:2 设有如下事物数据库TDB(min_sup=2)： 首先计算出每个项的支持度计数： a:3,b:1,c:4,d:2,e:4,f:4, 条件数据库的构造 TDB cefad ea cef cfad cef f_list:c:4,e:4,f:4,a:3,d:2 d-cond DB(d:2) cefa cfa a-cond DB(a:3) cef e cf f-cond DB(f:4) ce:3 c e-cond DB(e:4) c CLOSET算法 引理1 挖掘所有频繁闭项集的问题可以被分解成n个子问题；第j个问题是找到包含项in+1-j但是不包含ik (n+1-jk≤n)的完全频繁闭项集。 引理2 如果项集X是一个频繁闭项集，则在X条件数据库中不存在项i，使得项i出现在所有的事务中。 引理3 在项集X的条件数据库中，Y是每一个事务都出现的项构成的最大的集合，如果X∪Ｙ没有以相同的支持度计数被已发现的频繁闭项集融合，则X∪Ｙ是一个频繁闭项集。 引理 项融合(item merging) 项集X是一个频繁项集，如果每个包含项集X的事务中都包含有项集Ｙ，而不是项集Ｙ的任何一个直接超集，则X∪Y构成频繁闭项集并且没有必要再搜索任何包含项集Ｘ而不含项集Ｙ的项集。 CLOSE算法实例(1/3) 选择的事务数据库TID TID Items 10 a,c,d,e,f 20 a,b,e 30 c,e,f 40 a,c,d,f 50 c,e,f 最小支持度计数min_sup=