关联规则挖掘-Read.PPTVIP

关联规则挖掘 基于关系代数理论的关联规则挖掘算法ORAR 关联规则挖掘 关联规则挖掘：用于寻找给定数据集中数据项之间的关联或相关关系 关联规则的类型 根据规则所处理的值的类型：布尔关联规则、量化关联规则 根据规则中涉及的数据维：单维关联规则、多维关联规则 根据规则所涉及的抽象层：单层关联规则、多层关联规则 根据关联规则挖掘的不同扩充：相关分析、最大模式和大闭项集挖掘 关联规则挖掘 关联规则挖掘算法的发展 关联规则的挖掘最早由Agrawal, Imielinski, Swami提出[1] Agrawal, Srikant提出Apriori算法[2] Mannila, Toivinen, Verkamo独立开发出剪枝方法的算法[3] Agrawal, Shafer提出统计分布CD和数据分布DD的并行Apriori算法[4] Agrawal, Srikant, Han, Fu, Park, Chen, Yu研究了事务压缩技术[2-6] Toivonen讨论了选样方法[7] Brin, Motwani, Ullman, Tsur提出了动态项集计数方法[8] Han, Kumar等人研究了关联规则的尺度化的并行数据挖掘算法[9] Agrawal, Srikant提出了序列模式挖掘[10] Koperski, Han研究了空间关联规则的挖掘[11] Lu, Han, Feng给出了事务间的关联规则的挖掘[12] Bayardo给出了最大模式的挖掘[13] Pasquier, Bastide, Taouil, Lakhal提出了大闭项集的挖掘[14] Beyer, Ramakrishnan提出了大项集的深度优先算法[15] Han, Pei, Yin提出了挖掘大模式而不产生候选项集的方法[16] 关联规则挖掘 关联规则挖掘的一些定义 项：我们希望发现关联的事物或事件 项集：项的集合 k-项集：包含k个项的项集 事务：一条记录，由一个唯一的记录标识号TID和一个项集组成 事务数据库：由若干事务组成的数据库 项集T出现的频率：在事务数据库中，所有包含T的事务的总数 频繁项集或大项集：给定一个最小支持度，如果一个项集的出现频率不小于最小支持度，则称该项集为频繁项集或大项集 关联规则挖掘 基于关系代数理论的关联规则挖掘算法ORAR 算法基于关系代数理论，利用关系矩阵及相关运算给出了搜索大项集的基于关系代数理论的优化的关联规则挖掘算法（Optimization Relation Association Rule, ORAR） 算法只需扫描数据库一次，克服了Apriori算法需要多次扫描数据库的缺点 算法具有良好的并行性和可伸缩性 关联规则挖掘 关系矩阵的定义 设D是事务数据库， 和 分别为交易集和项集，矩阵 式中, ; 为从T到I的二元关系矩阵 ， 的值为1或0，分别表示了第i个事务中包含第j个项 显然 为第j个属性作为1项集的支持度 关联规则挖掘 ORAR算法 算法1：产生1大项集的算法 输入：关系矩阵R，最小支持度阈值t 输出：1大项集 关联规则挖掘 ORAR算法 2大项集如何产生 为了获得2大项集，按照大项集的子集一定是大项集的性质，可在1大项集的基础上搜索2大项集 设A为1大项集的集合， 中存放了相应的1大项集，i=1,…,s，即A有s个元素 显然 为{ , }的2项集的支持度 关联规则挖掘 ORAR算法 算法2：产生2大项集的算法 输入：关系矩阵R, 1大项集A和最小支持度阈值t 输出：2大项集 关联规则挖掘 ORAR算法 k大项如何产生 引理1：如果一个项集不是大项集，则包含该项集的任何集合也不是大项集 引理2：如果有k-1大项集 ，其相应的向量为d，若存在项 使 得 小于最小支持