关联规则挖掘的 Apriori 算法综述.pdfVIP

第24卷第1期 四川理工学院学报(自然科学版) V01．24No．1 JournalofSichuan of Science Feb．20ll 2011年2月 UniversityScienceEngineering(NaturalEdition) 文章编号：1673-1549(2011)01-0066-05 关联规则挖掘的Apriori算法综述 赵洪英1，蔡乐才2，李先杰1 摘要：关联规则挖掘是数据挖掘研究领域中的一个重要任务，旨在挖掘事务数据库中有意义的关 联。随着大量数据不停的收集和存储，从数据库中挖掘关联规则显得越来越有必要性，关联规则挖掘的 Apriofi算法是数据库挖掘的最经典算法并得到广泛应用，在介绍关联规则挖掘和Apriofi算法的基础上， 发现Apriori算法存在着产生候选项目集效率低和频繁扫描数据等缺点。综述了Apriori算法的主要优 化方法，并指出了Apriofi算法在实际中的应用领域，提出了未来Apriori算法的研究方向和应用发展趋 势。 关键词：数据挖掘；关联规则；Apfiofi算法；综述 中图分类号：TP391．4 文献标识码：A 具有用户给定的满足一定条件的最小支持度Minsup和 引言 最小置信度Minconf的关联规则。关联规则的挖掘一般 现在，数据挖掘作为从数据中获取信息的有效方 分为以下两个步骤： 法，越来越受到人们的重视。关联规则挖掘首先是用来 (1)找出存在于事务数据库中的所有频繁项集。 发现购物篮数据事务中各项之间的有趣联系。从那以 (2)用频繁项集生成关联规则，即对于每个频繁项 后，关联规则就成为数据挖掘的重要研究方向，它是要 找出隐藏在数据间的相互关系。定义为，设I={I。，I：，成关联规则Y一(x—Y)。 …I。}是m个不同项的项集，X∈I，Y∈I，并且x和Y 本文分析了Apfiori算法，指出其存在的几个缺陷，提 是不相交的项集，即xnY=中。关联规则的属性可以出了针对缺陷的主要改进优化的方法，列举了Apriori算 用以下三个参数描述：一是支持度，(support)定义为全 法的几个应用领域，展望了Apriori算法的未来研究方向。 体事务集T中有s％的事务同时支持事务集x和Y，则 I Apriori算法 称s％为关联规则x—Y的支持度。支持度表示规则的 1．1算法概述 频繁程度，用S(x—Y)表示。其中，最小支持度用Min— Apriofi算法是第一个关联规则挖掘算法，也是最经 sup表示。二是置信度(confidence)，定义为全体事务集 T中支持事务集x的事务中，有c％的事务同时也支持 典的算法。它利用逐层搜索的迭代方法找出数据库中 事务集Y，c％为关联规则x—Y的置信度。置信度表示项集的关系，以形成规则，其过程由连接(类矩阵运算) 规则的强度，用c(x—Y)表示。其中，最小置信度用与剪枝(去掉那些没必要的中间结果)组成。该算法中 Minconf表示。三是频繁项集，定义为支持度不小于最 小支持度(minsup)的事务集，称为频繁项集。 合为k项集。项集出现的频率是包含项集的事务数，称 关联规则的挖掘问题就是在事务数据库D中找出 为项集的频率。如果某项集满足最小支持度，则称它为 收稿日期：2010-07-21 基金项目：四川省科技厅支撑计划项目(2008FZ0109)；四川省教育厅科技项目(2007ZL048) 作者简