数据仓库数据挖掘chap4 关联分析.pdf

Chap4 关联分析 Chap4 关联分析 Chap4 关联分析 4.1 基本概念 4.2 一维关联规则挖掘 4.3 多层/多维关联规则挖掘 4.1 基本概念——什么是关联挖掘? • 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。 • 应用： – 购物篮分析、交叉销售、产品目录设计、分类等。 • 举例： – 规则形式： “Body ead [support, confidence]”. – buys(x, “diapers”)  buys(x, “beers”) [0.5%, 60%] – major(x, “CS”) ^ takes(x, “ DB”)  grade(x, “A”) [1%, 75%] 关联规则基本概念 关联规则基本概念 • 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 – E.g., 98% of people who purchase tires and auto accessories also get automotive services done • 应用 – *  护理用品(商店应该怎样提高护理用品的销售？) – 家用电器  * (其他商品的库存有什么影响?) – 在产品直销中使用附加邮寄 规则度量：支持度与可信度 规则度量：支持度与可信度 二者都买 的客户 买尿布的客 • 查找所有的规则X Y  Z 具有最 户 小支持度和可信度 – 支持度, s, 一次交易中包含{X 、 Y 、Z} 的可能性 – 可信度, c, 包含{X 、Y} 的交易中 买啤酒的客户 也包含Z 的条件概率 交易ID 购买的商品 设最小支持度为50%, 最小可信 2000 A,B,C 度为 50%, 则可得到 1000 A,C A  C (50%, 66.6%) 4000 A,D C  A (50%, 100%) 5000 B,E,F 4.2 一维关联规则挖掘 4.2 一维关联规则挖掘 关联规则挖掘的一个例子 关联规则挖掘的一个例子 交易ID 购买商品 最小支持度50% 2000 A,B,C 最小可信度50% 1000 A,C 4000 A,D 频繁项集 支持度 5000 B,E,F {A} 75% {B} 50%