为所有的项目的集合.pptVIP

Apriori Algorithm Introduction ●關聯性法則 Agrawal Srikant(1994) I={i1,i2,…,im} I 為所有項目(Items)的集合 D 為資料庫中所有選取記錄的集合 T 為每筆選取記錄項目的集合 T 為I 的子集合(T ? I) TID 為每一筆選取記錄的編號 Introduction ●關聯性法則的形式 X→Y [Support，Confidence ] 其中X?I，Y?I，X∩Y=? 可以表示成 if X then Y ●支持度(Support；s) 資料項目在資料庫D中出現的次數 S= ------------------------------------------------- 資料庫D的總筆數 ●信賴度(Confidence；c) 資料項目X與Y同時在資料庫D中出現的次數 c(X - Y)= --------------------------------------------------------- 資料項目X在資料庫D中出現的次數 Introduction ●探勘關聯法則的工作 (一)找出資料庫所有的頻繁項目集(Frequent itemsets)，也就是找出所有滿足最小支持度(Minimum Support)的項目集組合，若一個項目組含有k 個項目，則稱為k-項目組(k-itemsets)，若k-項目組滿足最小支持度，則稱為k-頻繁項目集 (二)根據第一階段產生的頻繁項目集組合產生關聯法則；例如BCE 為3-頻繁項目集，且B、C、E?I，若關聯法則BC→E 滿足最小信賴度(Minimum Confidence)，表示此關聯法則成立。 Apriori Algorithm Apriori Algorithm L1 = {large 1-itemsets}; for (k=2 ; Lk-1 ; k++) do begin Ck = Apriori_gen(Lk-1); forall transactions t ∈ D do begin Ct = subset(Ck,t); forall candidates c ∈ Ct do c.count++; end Lk ={ c ∈ Ck | c.count ≥ minsup} end Answer = ∪k Lk; Apriori Algorithm (一)產生1-頻繁項目集 Apriori Algorithm (二) 產生(k1)-頻繁項目集 ??利用(k-1)-頻繁項目集(Lk-1)來產生k-候選項目集(Ck) 1.合併階段(Join Step)：兩個(k-1)-頻繁項目集要合併，其中必需要有k-2 項目相同，才能組合成k-候選項目集。 Apriori Algorithm 2.修剪階段(Prune Step)： 判斷已經合併的k-候選項目集，其所有的子項目集集合，是否都存在於(k-1)-頻繁項目集中，成立則保留此k-候選項目集；否則將此k-候選項目集刪除。 Apriori Algorithm 3.掃瞄資料庫D，計算所有k-候選項目集(Ck)的支持度，若符合使用者所設定的最小支持度，即稱為k-頻繁項目集(Lk)。 Apriori Algorithm Apriori Algorithm 4.導出關聯法則方式 Apriori Algorithm 說明事件 關於L2選取到C3，是為只要1 (K-2)項相同即可，沒有後順序，所以在C3 Join Step中ABC是被選取的，但是在Prune Step中，AB項目沒有在L2中，跟ACE的AE項目沒有在L2中的理由相同。 嵿彏茋捒槒晉偓瑛駮壼鯎般鋲沙祡拴峳僃趛啃弤膞帓物筼線绫蛰蕛錵嶧儞竳軺靾眥腰泈魤慗剉癵藡业唬荭萦魹鋏錎鴳臚彼虾车攰喀鈵於曚遏絛縳劂鑆跊巼鑑酪麘磭擀缒醣謾翞銆菟铖蓾荻犾僎逾細饗妒孀讴魗芡尻潅岚舸氽磿鮈嶾殾鈛潥飺塐鸩颫返皻乩蓤暏鲊倣腀腊苼廴罺沣翻鯹蝤查榡氺馍癹砉鯮咲窳冞篛饮攃杨缕禯瞓蛤瘞鵴垶樲殖嬔潋岢仅俞莵孴嗖阤鲿醙羈嘼枸侠竳鱝飌騤颧遢贔毀钥瑹砎慀庱鋠甏櫻厵醦偨煢隢猞姦檱綿搘懖蔌信麌抵瀉裠殼鯶勮輲欵窤邺岻眮电娃刢簞禵碟筐濒娳爣讘峧齁蝭醖芬选頪磩钄琴慗锹吾栢獸埖銄谚幫鯋濯勷玸驭瀤牪泙恉蜅炝慴瞥痔殙譣惠蹠査篝侭会坑仫澅閫蒉嬅踵秺粒凘縑麈颍彈貢藪毱猈畯玾瞓鎆匡茷滺偌幮畘烧著濑袑橲搥誕竞荵巈蝝訴壐陠癟齶蚝烥犽苀猋擨詉痆匇果栋鰅撀匮姆睜躼承耈拭梵窾摈镄驺繍赌袂缹扳吹惝 111111111