第6章：挖掘大型数据库中的关联规则 数据挖掘：概念与技术 知识 1.pptVIP

第6章：挖掘大型数据库中的关联规则;6.1.1 什么是关联规则挖掘?;许多基本的数据挖掘任务的基础 关联, 相关, 因果关系。 序列模式, 时间或周期关联, 局部周期性, 空间和多媒体关联。 关联分类, 聚类分析, 冰山方, fascicles (语义数据压缩)。 广泛的应用 购物篮数据分析, 交叉销售, 分类设计, 销售活动分析。 Web 日志 (点击流) 分析, DNA 序列分析, 等。;6.1.2 基本概念: 频繁模式和关联规则;挖掘关联规则—一个例子;Date;Date;6.2 　单维关联规则挖掘算法;6.2.1 Apriori: 一种候选产生-测试方法;　　Apriori算法：通过已知的频繁项集构成长度更大的项集，并将其称为潜在频繁项集。潜在频繁k项集的集合Ck 是指由有可能成为频繁k项集Lk的项集组成的集合。 　　以后只需计算潜在频繁项集的支持度，而不必计算所有不同项集的支持度，因此在一定程度上减少了计算量。;1. Apriori 算法 — 一个例子;2. Apriori 算法;3. Apriori的重要细节;4. 如何产生候选?;5. 完整的Apriori算法;D：;Date;6.2.2 由频繁项集产生关联规则;Date;关联规则的可视化: Pane Graph;关联规则的可视化: Rule Graph;6.2.3 提高Apriori算法的有效性;1. 基于Hash的技术;由C1中的候选1－项集产生1－项集L1时，可以对每个事务产生所有的2－项集。;2. 事务压缩;3. 划分: 只扫描数据库两次;4. 选样计算频繁模式;5. 动态项集计数;频繁模式挖掘的瓶颈;挖掘频繁模式而不产生候选;由事务数据库构造FP－树（ Frequent－Pattern tree ）;FP－树结构的优点;基本思想 (分而治之) 用FP-tree地归增长频繁集 方法 对每个项，生成它的 条件模式库, 然后是它的 条件 FP-tree。 对每个新生成的条件FP-tree，重复这个步骤。 直到结果FP-tree为空, 或只含维一的一个路径 (此路径的每个子路径对应的项集都是频繁集)。;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 同时增长其包含的频繁集 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。;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;FP-tree支持条件模式基构造的属性;对于每个条件模式基 累计条件模式基中每个项的计数。 构造模式基中频繁项的FP－树。;通过建立条件模式基得到频繁集;{};使用FP－树挖掘频繁模式;FP－增长算法;Date;6.2.5 FP－树的存放;基于划分的投影;FP－增长 vs. Apriori: 随支持度增长的可伸缩性;FP－增长 vs. 树-投影:随支持度增长的可伸缩性;6.3 挖掘各种关联/相关规则;项常常形成层次结构。 灵活的支持度设定: 较低层中的项一般具有较低的支持度。 事务数据库可以基于维和层进行编码。 探测共享的多层挖掘。;一种自顶向下, 逐步深入的方法: 首先挖掘最高层的频繁模式: milk (15%), bread (10%) 然后挖掘它们下层 “较弱的” 频繁模式: 50%milk (5%), wheat bread (4%) 多层之间的不同的最小支持度阈值导致不同的算法 : 如果不同层之间采用相同的min_support 则丢弃 t 如果 t’的任意祖先是非频繁的. 如果在较低层采用递减的 min_support 则只考察其祖先为频 繁的项集.;一致的支持度;Milk [support = 10%];逐层独立 　　完全是宽度搜索，没有频繁项集的背景知识用于剪枝。;层交叉单项过滤 　　一个第i层的项被考虑，当且仅当它在第i-1层的父节点是频繁的。;层交叉k－项集过滤　 　　一个第i层的k－项集被考虑，当且仅当它在第i-1层的对应父节点k－项集是频繁的。;6.3.3 多层关联: 冗余过滤;6.4 挖掘多维关联的技术;6.4.1 多维关联规则;6.4.2 量化属性的静态离散化;6.4.3 挖掘量化关联规则;6.4.4 挖掘基于距离的关联规则;6.5 由关联挖掘到相关分析;依赖/相关事件的度量:;6.6 基于约束的关联挖掘;6.6.1 数据挖掘的约束;6.6.2 受约束的挖掘 vs. 基于