数据挖掘4第四章 挖掘频繁模式、关联和相关.pptVIP

小结 ECUST--Jing Zhang * 关联规则挖掘 Apriori算法 频繁模式增长 多层关联规则 基于约束的规则挖掘 相关分析 相关规则 提升度 参考文献 ECUST--Jing Zhang * Agrawal R, Imielinski T, and Swami A. Mining association rules between sets of items in large databases. SIGMOD, 207-216, 1993. Agrawal R, and Srikant R. Fast algorithms for mining association rules in large databases. VLDB, 478-499, 1994. Han J W, Pei J, Yin Y W. Mining frequent patterns without candidate generation. SIGMOD, 1-12, 2000. Han J W, Pei J, Yin Y W, and Mao R Y. Mining frequent patterns without candidate generation: a frequent-pattern tree approach. Data Mining and Knowledge Discovery. 8, 53-87, 2004 习题一 数据库有4个事务。设min_sup=60%,min_conf=80% 分别使用Apriori和FP-增长算法找出频繁项集。 列出所有的强关联规则（带支持度s和置信度c），它们与下面的元规则匹配，其中，X是代表顾客的变量，itmei是表示项的变量（例如：A、B等） TID Itmes_bought T100 {K,A,D,B} T200 {D,A,C,E,B} T300 {C,A,B,E} T400 {B,A,D} 习题二 下面的相依表总汇了超级市场的事务数据。其中，hot dogs表示包含热狗的事务，non-hotdogs表示不包含热狗的事务，hamburgers表示包含汉堡的事务，non-hamburgers表示不包含汉堡包的事务。 假定发现关联规则”hot dog = hamburgers”。给定最小支持度阈值25%，最小置信度阈值50%，该关联规则是强的么？ 根据给定的数据，买hot dog独立于买hamburgers么？如果不是，二者存在何种“相关”关系？ hotdogs Non-hotdogs 行汇总 hamburgers 2000 500 2500 Non-hamburgers 1000 1500 2500 列汇总 3000 2000 5000 思考题 商店里每种商品的价格都是非负的。对于以下每种情况，识别他们提供的约束类型，并简略讨论如何有效地挖掘这种关联规则。 至少包含一件任天堂游戏。 包含一些商品，它们的价格和小于150美元。 包含一件免费商品，并且其他商品的价格和至少是200美元。 所有商品的平均价格在100美元-500美元之间。 ECUST--Jing Zhang * END * * * * * * * * * * * * * * * * ECUST--Jing Zhang * 完整性 不会破坏交易中的任何模式 包含了频繁模式挖掘所需的全部信息 简洁性 减少了不相关的信息-----非频繁项集被删掉 频繁项集按支持度递减顺序排列:越是频繁的项集越有可能被共享 不会比原数据库大(如果不算节点链和计数) FP-tree 结构的优点 ECUST--Jing Zhang * 基本思想 (分而治之) 用FP-tree递归增长频繁集 主要步骤 为FP-tree中的每个节点生成条件模式基 用条件模式基构造对应的条件FP-tree 递归构造条件 FP-trees 同时生成其包含的频繁集 如果条件FP-tree只包含一个路径，则直接生成所包含的频繁集。 如果条件FP-tree包含多个路径，则采用混合的方法 用FP-tree挖掘频繁项集 * 从FP-tree的头表开始 按照每个频繁项的连接遍历 FP-tree 列出能够到达此项的所有前缀路径，得到条件模式基 条件模式基 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 步骤1: 从 FP-tre