《数据挖掘》第六章 挖掘大型数据库中的关联规则.ppt

* 示 例 （1）等宽： 将相距较近的数值分为几组（区间），而其中许多组中都没有数值； （2）等高： 将相距较远的数值，如[20, 50]组织在一起。 （3）基于距离方法： 将相邻很近的数值，如[20, 22]组织在一起。由于其考虑了一个间隔中数据点的数目或密度，以及各数据点之间相近的程度，从而能产生一个更有意义的离散化。 * 什么是关联规则挖掘？ Apriori算法的基本原理？ 什么是多层关联规则挖掘？ 什么是多维关联规则挖掘？ 复习与思考问题 * * * * * * * 在挖掘2-项集时，因为2-项集的任何子集都是频繁项集，所以Apriori算法使用L1*L1来产生候选集。{*}运算通常定义为： Lk*Lk={X∪Y 其中X,Y∈Lk,|X ∪ Y|=k+1} 注: |X ∪ Y|=k+1，即X和Y合取容量为k+1 因此，第二次迭代中的候选集C2由运算|L1|·|L1-1|/2所产生，其个数为：4·3/2=6。用该列表来扫描DB，计算每一个候选集的支持度，并与smin进行比较，产生2-项频繁集L2。图5-2给出了所有这些步骤和第二次迭代的结果。 APRIORI算法过程 APRIORI算法过程 候选集C3 运用L2*L2来产生，运算结果得到{A,B,C},{A,C,E},{B,C,E}，但只有{B,C,E}的所有子集是频繁项集，成为候选的3-项