Chapter5数据挖掘关联规则挖掘.pptVIP

* 支持度不变 * 支持度递减 * 多层关联：冗余过滤 由于“祖先”关系的原因，有些规则可能是多余的。?? 例子?? 牛奶?白面包[support = 8%, confidence = 70%]?? 酸奶?白面包[support = 2%, confidence = 72%]?? 我们称第一个规则是第二个规则的祖先 参考规则的祖先，如果他的支持度与我们“预期”的支持度近似的话，我们就说这条规则是冗余的。 附注：假设有4类牛奶，每类的销售量相差不大，此时，规则2可由规则1导出；可以删除规则2（因为它没有提供更多的信息） * Outline 关联规则挖掘—相关概念 使用Apriori方法挖掘关联规则 挖掘多层关联规则 实例 多维关联规则挖掘?? 关联挖掘与相关分析?? 基于约束的关联挖掘 * 多维关联规则：概念 单维关联规则（维内关联规则） 关联规则中仅包含单个谓词（维） 通常针对的是事务数据库 buys(X, “milk”) ?buys(X, “bread”)?? 多维关联规则：规则内包含2 个以上维/谓词 维间关联规则(不重复谓词) age(X,”19-25”) ∧occupation(X,“student”) ?buys(X,“coke”)?? 混合维关联规则(存在重复谓词) age(X,”19-25”) ∧buys(X, “computer”) ?buys(X, “printer”) 注：谓词是用来反映个体的性质与特征 * 分类属性与量化属性 分类属性（Categorical Attribute）?? 又称标称属性（Nominal Attribute）?? 属性值中包含有限个确定的不同值, 值之间无顺序关系?? 例如：性别、民族、职业、颜色等? ? 量化属性（Quantitative Attribute）?? 属性值是数字类型的，值之间隐含了顺序关?? 例如：年龄、收入、销售量、价格、销售额等 * 挖掘多维关联的技术 搜索频繁k阶-谓词集合：?? 如: {age, occupation, buys} 是一个3阶-谓词集合。? 按照对age 处理方式的不同，分为：?? 用量化属性的静态离散化挖掘多维关联规则 使用预定义的概念层次对量化属性加以离散化，离散化在挖掘之前进行?? 例如：age，“0..20”，“21..30”，“31..40”，“41以上”等?? 量化关联规则?? 根据数据的分布动态的把数值属性离散化到不同的“箱”，离散化是动态的?? 基于距离的关联规则?? 用数据点之间的距离动态的离散化，以紧扣区间数据的语义 * 量化属性静态离散化挖掘多维关联规则 在挖掘之前用概念层次先离散化?? 数值被替换为区间范围?? 关系数据库中，要找到所有频繁k-谓词需要k或k+1次表扫描。?? 适宜使用数据立方体?? N维立方体的每个单元对应一个谓词集合 使用数据立方体速度更快 (income) (age) () (buys) (age, income) (age,buys) (income,buys) (age,income,buys) * 量化关联规则 动态离散化数值属性?? 最大化挖掘规则的置信度或紧凑性?? 2-维数量关联规则：Aquan1∧Aquan2?Acat?? 用2-维表格把“邻近”的 关联规则组合起来 多个强关联规则“聚类” 右图由4个关联规则， 矩形聚类得到 age(X,”34-35”) ∧income(X,”31K -50K”) ?buys(X,”high resolution TV”) * 挖掘基于距离的关联规则 分箱的方法没有体现数据间隔的语义 基于距离的分割是更有“意义”的离散化方法，考虑： 区间内密度或点的个数?? 区间内点的“紧密”程度 注：等宽可能将很近的值分开，如20，22，并存在没有数据的区间 等深可能将很远的值放在一起，如22，50 * 聚类和距离度量 记S[X] 为N 个元组t1, t2, …, tN在属性集X 上的投影 则S[X] 的直径度量:评估元组的接近性。两两距离的平均值?? distx: 距离量度,如欧几里德距离或曼哈坦距离?? S[X]的直径越小，其元组投影到X上时越接近。 用直径d 评估聚集CX的密度 用密度阈值d0代替支持度 * Outline 关联规则挖掘—相关概念 使用Apriori方法挖掘关联规则 挖掘多层关联规则 实例 多维关联规则挖掘?? 关联挖掘与相关分析?? 基于约束的关联挖掘 * 兴趣度的度量 客观度量?? 两个最为流行的度量: 支持度和置信度（support and confidence） ?? 主观度量 (Silberschatz Tuzhilin, KDD95