信息资源管理- POWERPOINT 演示文稿知识分享.pptVIP

什么是关联规则挖掘？ 在交易数据、关系数据或其他信息载体中，查找存在于项目集合或对象集合之间的频繁模式、关联、相关性、或因果结构。 描述： 给定: （1）交易数据库 （2）每笔交易是：一个项目列表 （消费者一次购买活动中购买的商品）； 查找: 所有描述一个项目集合与其他项目集合相关性的规则。 应用：购物篮分析、交叉销售、产品目录设计、 聚集等。 9.2.数据挖掘的技术基础 关联规则度量：支持度与置信度 支持度：X、Y同时出现的频率，即： P(X∩Y) 置信度：X出现的前提下，Y出现的频率，即： P(Y|X) 买尿布的客户 二者都买的客户 买啤酒的客户 9.2.数据挖掘的技术基础 设最小支持度为50%, 最小置信度为 50%, 则可得到： A ? C (50%, 66.6%) C ? A (50%, 100%) 关联规则度量：支持度与置信度应用举例： 9.2.数据挖掘的技术基础 支持度：A、C同时出现的频率，即： P(A∩C) 置信度：A出现的前提下，C出现的频率，即： P(C|A) 关联规则挖掘算法之一：Apriori算法 对于 A ? C： support = support({A 、C}) = 50% confidence = support({A 、C})/support({A}) = 66.6% Apriori的基本思想:频繁项集的任何子集也一定是频繁的 最小值支持度 50% 最小置信度 50% 9.2.数据挖掘的技术基础 9.2.数据挖掘的技术基础 关联规则挖掘的关键步骤：挖掘频繁集 频繁集:是指满足最小支持度的项目集合； 频繁集的子集也一定是频繁的，如, 如果{AB} 是频繁集，则 {A} {B} 也一定是频繁集； 从1到k（k-频繁集）递归查找频繁集； 用得到的频繁集生成关联规则。 问：对于上页的{E}是否频繁集？ 答：否，支持度为25%50% Apriori算法 连接: 用 Lk-1自连接得到Ck 修剪: 一个k-项集，如果他的一个k-1项集（他的子集 ）不是频繁的，那他本身也不可能是频繁的。 Apriori算法伪代码: Ck: Candidate itemset of size k Lk : frequent itemset of size k C1＝｛all Candidate itemset of size from Database} 　　　　L1={candidates in C1 with min_support} for (k = 1; Lk !=?; k++) do begin Ck+1 = candidates generated from Lk; for each transaction t in database do increment the count of all candidates in Ck+1 that are contained in t Lk+1 = candidates in Ck+1 with min_support end return ?k Lk; 逆反定理：如果 {A} {B} 不是频繁集，则{AB}也一定不是频繁集。 9.2.数据挖掘的技术基础 Apriori算法算例 现有A、B、C、D、E五种商品的交易记录表，试找出三种商品关联销售情况（k=3），最小支持度=50%。 9.2.数据挖掘的技术基础 算例解答 K=1 支持度50 K=2 支持度50 支持度50 9.2.数据挖掘的技术基础 支持度50 支持度50 问：对于{B,C,E}　 {A} ,置信度是多少？ 答：confidence = support({A ,B,C,E})/support({B,C,E}) = 25%/50%=50% 算例解答 9.2.数据挖掘的技术基础 数据挖掘的主要技术 Debt10% of Income Debt=0% Good Credit Risks Bad Credit Risks Good Credit Risks Yes Yes Yes NO NO NO Income$40K 决策树 Decision Trees 倾向性分析 Open Accn’t Add New Product Decrease Usage ??? Time 序列分析 Sequence Analysis 客户保留 客户生命周期管理 目标市场 价格弹性分析 聚类分析 Clustering 客户细分 市场细分 Q Q Q Q I I 1 2 3 4 5 6 factor 1 factor 2 factor n 神经网络 Neural Network