[经济学]第6章 数据挖掘技术2关联规则挖掘.pptVIP

第 六 章 数 据 挖 掘 6.2关联规则挖掘 6.2.1关联规则的挖掘原理 6.2.2Apriori算法基本思想 6.2.3Apriori算法 购物篮分析—引发关联规则挖掘的例子 关联规则（Association Rule）挖掘是发现大量数据中项集之间的关联关系。 发现常在一起被购买的商品（关联知识）将帮助商家制定有针对性的市场营销策略。 1. 基本原理 设I={i1,i2,…,im}是项（Item）的集合。记D为事务（Transaction）的集合（事务数据库），事务T是项的集合，并且T?I。 定义1：关联规则是形如A?B的蕴涵式，这里A?I，B?I，并且A?B=?。 基本概念——示例 项目集 I={牛奶，面包，黄油，鸡蛋，果酱，糖 } 定义2：规则的支持度。 规则A?B在数据库D中具有支持度S，表示S是D中事务同时包含AB的百分比，它是概率P(AB)，即： 其中|D|表示事务数据库D的个数， |AB|表示A、B两个项集同时发生的事务个数。 定义3：规则的可信度 规则A?B具有可信度C，表示C是包含A项集的同时也包含B项集，相对于包含A项集的百分比，这是条件概率P(B|A)，即： 其中 表示数据库中包含项集A的事务个数。 基本概念——示例 S =? C=? 定义4：阈值。 在事务数据库中找出有用的关联规则，需要由用户确定两个阈值：最小支持度（min_sup）和最小可信度（min_conf）。 定义5：强关联规则。同时满足最小支持度（min_sup）和最小可信度（min_conf）的规则称之为强关联规则 定义6：如果项集满足最小支持度，则它称之为频繁项集（Frequent Itemset）。 2. 关联规则挖掘过程 关联规则的挖掘一般分为两个过程： （1）找出所有的频繁项集：找出支持度大于最小支持度的项集，即频繁项集。 （2）由频繁项集产生关联规则：根据定义，这些规则必须满足最小支持度和最小可信度。 3、关联规则挖掘分类 (1) 根据规则中所处理的值类型 布尔关联规则（项集的存在与否） 量化关联规则（规则描述的是量化的属性间的关联性） 根据规则中涉及的数据维 单维关联规则 （仅涉及buys这个维） 多维关联规则 性别=“女”=职业=“秘书” 关联规则挖掘分类 (2) 根据规则中所涉及的抽象层次 单层关联规则 Buys ( X, “computer”) ?Buys ( X, “printer”) 多层关联规则 （在不同的抽象层发现关联规则） 最简单的关联规则挖掘，即单维、单层、布尔关联规则的挖掘。 Apriori算法是一种最有影响的挖掘布尔型关联规则频繁项集的算法。 6.2.2Apriori算法的基本思想： Apriori是挖掘关联规则的一个重要方法。 算法分为两个子问题： 找到所有支持度大于最小支持度的项集（Itemset），这些项集称为频繁集（Frequent Itemset）。 使用第1步找到的频繁集产生规则。 Apriori 使用一种称作逐层搜索的迭代方法，“K-项集”用于探索“K+1-项集”。 1.首先，找出频繁“1-项集”的集合。该集合记作L1。L1用于找频繁“2-项集”的集合L2，而L2用于找L3， 如此下去，直到不能找到“K-项集”。找每个LK需要一次数据库扫描。 2．“K-项集”产生“K+1-项集” 设K-项集LK，K+1项集LK+1，产生LK+1的候选集CK+1。有公式： 连接：为了找Lk＋1，通过Lk与自己连接产生候选（k+1） -项集的集合，该候选k＋1项集记为Ck。 连接的条件：每个项目集除了一个项目之外其他的项目都相同。 其中C1是1-项集的集合，取自所有事务中的单项元素。 Apriori算法程序 首先产生频繁1-项集L1，然后是频繁2-项集L2，直到有某个r值使得Lr为空，算法停止。 在第k次循环中，过程先产生候选k-项集的集合Ck，Ck中的每一个项集是对两个只有一个项不同的属于Lk-1的频繁集做一个连接来产生的。Ck中的项集是用来产生频繁集的候选集，最后的频繁集Lk必须是Ck的一个子集。 Agrawal等引入了修剪技术来减小候选集Ck的大小 。 一个项集是频繁集当且仅当它的所有子集都是频繁集。 如果Ck中某个候选项集有一个（k-1）-子集不属于Lk-1，则这个项集可以被修剪掉不再被考虑 。 5、Apriori算法的执行过程示例： 设有事务数据库，有9个事务。 假定最小支持计数为2（即min_sup=2/9=22%）,最小可信度为80 % 。 求候选3项集C3。C3=L2 ∞ L2 C3={{I1，I2}，{I1，I3}，{I1