第8章---序列模式挖掘.pptVIP

* 应用AprioriAll算法例子（二） 序列 支持度 1 4 2 2 3 4 4 4 5 2 1序列模式 * 应用AprioriAll算法例子（三） 序列 支持度 1,2 2 1,3 4 3,5 2 4,5 2 * 应用AprioriAll算法例子(四) 序列 支持度 1,2,3 2 1,2,4 2 1,3,4 3 1,3,5 2 2,3,4 2 3序列模式 * 应用AprioriAll算法例子（五） 序列 支持度 1,2,3,4 2 4序列模式 至此算法结束，得到结果 * 类Apriori算法有以下缺点： 有可能生成庞大众多的候选序列。 多遍扫描数据库。 不易发生长度较大的序列模式。序列模式越长，所需要生成的序列就越多。 * PrefixSpan算法 相关定义 前缀：设每个元素中的所有项目按照字典序排列。给定序列? = e1e2…en，? = e1’ e2’… em’(m?n) ，如果ei’ = ei (i ? m - 1)， em’ ? em，并且(em - em’)中的项目均在em’中项目的后面， 则称?是?的前缀 * 2001-8-15 * 第七章 序列模式挖掘 * 内容概要 基本概念 类Apriori生成候选算法 * 一、基本概念 1.定义 序列模式概念最早由Agrawal和Srikant 提出 序列模式与关联模式相仿，但它把数据之间的关联性与时间联系起来。 例如: 如“在购买彩电的人们中，60%的人会在3个月内购买影碟机” * 例子1：在两年前购买了Ford 牌轿车的顾客，很有可能在今年采取贴旧换新的购车行动 例子2：在购买了自行车和购物篮的所有客户中，有70%的客户会在两个月后购买打气筒 基本概念 * 事务发生的时间 客户id 购买项 2004.12.10 2004.12.12 2004.12.15 2004.12.20 2004.12.25 2004.12.25 2004.12.25 2004.12.30 2004.12.30 2004.12.31 2 5 2 2 4 3 1 1 4 4 10， 20 90 30 40，60，70 30 30，50，70 30 90 40,70 90 返回 * 符号化表示： 项目(Item)： -----如前所示，顾客购买的商品就是项目 项目集(Itemset): ----各种项目组成的集合 序列(Sequence): 不同项目集的有序排列，序列s可以表示为: s = s1s2…sl，sj(1 = j = l)为项目集，也称为序列s的元素 如 S1= (I1,I2,I3), (I2,I3) 基本概念 * 序列的元素(Element): -----如 S1= (I1,I2,I3), (I2,I3) , I6 可表示为(x1x2…xm)， xk (1 = k = m)为不同的项目，如果一个序列只有一个项目，则括号可以省略 序列的长度 -----一个序列包含的所有项目的个数 长度为l的序列记为l-序列 基本概念 * 序列 a1a2…an属于序列b1b2…bm 如果存在整数 i1i2..in 并且有 记作 a1a2…an ∠ b1b2…bm 基本概念 例如 (3)(4,5)(8)∠ (7)(3,8)(9)(4,5,6)(8) * 思考: (3,5)是否属于(3)(5)?? 注意:(3,5)并不属于(3)(5),反之亦然 因为后者代表项目3及5,是购买一个之后购买另外一个，而前者是代表两个一起购买 基本概念 * 序列?在序列数据库S中的支持数为序列数据库S中包含序列?的序列个数，记为Support(?) 给定支持度阈值?，如果序列?在序列数据库中的次数不低于?，则称序列?为序列模式 长度为l的序列模式记为l-模式