最新...智能Data Mining amp; Business Intelligence第三章 关联规则挖掘.pptVIP

MaxMiner 剪枝原理 子集不频繁剪枝：任何非频繁项集的超集都是非频繁项集； 超集频繁剪枝：任何频繁项集的子集都是频繁项集； 搜索策略 广度优先搜索完全集合枚举树 * hhjkl MaxMiner算法实例(1/4) Tid Items 10 A,B,C,D,E 20 B,C,D,E, 30 A,C,D,F ? (ABCDEF) Items Frequency ABCDEF 0 A 2 B 2 C 3 D 3 E 2 F 1 Min_sup=2 Max patterns: A (BCDE) B (CDE) C (DE) E () D (E) * hhjkl MaxMiner算法实例(2/4) Tid Items 10 A,B,C,D,E 20 B,C,D,E, 30 A,C,D,F ? (ABCDEF) Items Frequency ABCDE 1 AB 1 AC 2 AD 2 AE 1 Min_sup=2 A (BCDE) B (CDE) C (DE) E () D (E) AC (D) AD () Max patterns: Node A * hhjkl MaxMiner算法实例(3/4) Tid Items 10 A,B,C,D,E 20 B,C,D,E, 30 A,C,D,F ? (ABCDEF) Items Frequency BCDE 2 BC BD BE Min_sup=2 A (BCDE) B (CDE) C (DE) E () D (E) AC (D) AD () Max patterns: BCDE Node B * hhjkl MaxMiner算法实例(4/4) Tid Items 10 A,B,C,D,E 20 B,C,D,E, 30 A,C,D,F ? (ABCDEF) Items Frequency ACD 2 Min_sup=2 A (BCDE) B (CDE) C (DE) E () D (E) AC (D) AD () Max patterns: BCDE ACD Node AC * hhjkl CLOSET ：高效的挖掘频繁闭项集算法 频繁项集列表（f_list） 　　　给定事务数据库TDB和最小支持度计数阈值min_sup，将所有的频繁项按照支持度计数递减顺序构成的表。 条件数据库（conditional database） 　　　给定一个事务数据库TDB，若项i是一个频繁项。 项i的条件数据库(用TDB|i表示)，是TDB中包含项i的交易构成的子集，并且所有出现的非频繁项、项i和f_list中项i后面的项都删除。 * hhjkl 构造f_list TID Items 10 a,c,d,e,f 20 a,b,e 30 c,e,f 40 a,c,d,f 50 c,e,f 则由f_list定义得到：f_list:c:4,e:4,f:4,a:3,d:2 设有如下事物数据库TDB(min_sup=2)： 首先计算出每个项的支持度计数： a:3,b:1,c:4,d:2,e:4,f:4, * hhjkl 条件数据库的构造 TDB cefad ea cef cfad cef f_list:c:4,e:4,f:4,a:3,d:2 d-cond DB(d:2) cefa cfa a-cond DB(a:3) cef e cf f-cond DB(f:4) ce:3 c e-cond DB(e:4) c * hhjkl CLOSET算法 引理1 挖掘所有频繁闭项集的问题可以被分解成n个子问题；第j个问题是找到包含项in+1-j但是不包含ik (n+1-jk≤n)的完全频繁闭项集。 引理2 如果项集X是一个频繁闭项集，则在X条件数据库中不存在项i，使得项i出现在所有的事务中。 引理3 在项集X的条件数据库中，Y是每一个事务都出现的项构成的最大的集合，如果X∪Ｙ没有以相同的支持度计数被已发现的频繁闭项集融合，则X∪Ｙ是一个频繁闭项集。 * hhjkl 引理 项融合(item merging) 项集X是一个频繁项集，如果每个包含项集X的事务中都包含有项集Ｙ，而不是项集Ｙ的任何一个直接超集，则X∪Y构成频繁闭项集并且没有必要再搜索任何包含项集Ｘ而不含项集Ｙ的项集。 * hhjkl CLOSE算法实例(1/3) 选择的事务数据库TID TID Items 10 a,c,d,e,f 20 a,b,e 30 c,e,f 40 a,c,d,f 50 c,e,f 最小支持度计数min_sup=2 * hhjkl CLOSE算法实例(2/3) 1、构造f_list 计算TDB中每个项的支持度计数，得到： a:3 b:1 c:4 d:2 e:4 f:4 min_sup=2