- 1、本文档共35页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
关联规则算法;目录;关联规则(Association Rule Mining) :
最早是由Agrawal、R.Srikant提出(1994)
发现事务数据库、关系数据或其它信息库中项或数据对象集合间的频繁模式, 关联, 相关, 或因果关系结构
频繁模式: 在数据库中频繁出现的模式(项集, 序列等)
应用: 发现数据中的规律性
购物篮数据分析,交叉销售,分类设计,销售活动分析
Web日志(点击流)分析, DNA序列分析等;支持度 support
规则A?B在数据库D中具有支持度S,表示S是D中事务同时包含AB的百分比,它是概率P(AB)
置信度 confidence
规则A?B具有置信度C,表示C是包含A项集的同时也包含B项集,相对于包含A项集的百分比,这是条件概率P(B|A),即:
阈值,在事务数据库中找出有用的关联规则,需要由用户确定两个阈值:最小支持度阈值(min_sup)和最小置信度阈值(min_conf)
强规则, 同时满足最小支持度阈值和最小置信度阈值的规则;项集,项的集合称为项集(Itemset),包含k个项的项集称之为k-项集
频繁项集L,项集L的相对支持度满足预定义的最小支持度阈值,如频繁K-项集的集合通常记作LK
同时满足最小支持度(min_sup)和最小置信度(min_conf)的规则称之为关联规则,即
闭项集, 如果不存在真超项集Y使得Y与X在D中有相同的支持度计数,则X在D中是闭的.
极大闭项集, 如果X是频繁的,且不存在超项集Y使得X属于Y,并且Y在D中是频繁的.
;?; 基本思想:使用一种称作逐层搜索的迭代方法,K-项集用于探索(K+1)-项集。首先找出频繁1-项集的集合记为L1,L1用于找频繁2-项集的集合L2,而L2用于找L3,如此下去直到不能找到频繁K-项集LK。找每个LK需要一次数据库扫描。最后由频繁K-项集可直接产生强关联规则。
过程分为两步:
第一步:识别所有的频繁K-项集,并统计其频率;
第二步:由频繁K-项集产生强关联规则。依据搜索到的频繁K-项集,导出满足给定阈值条件的关联规则。;性质
先验性质:频繁项集的所有非空子集都是频繁项集
非频繁项集的所有超集都是非频繁项集(反单调性)
例:
如果{啤酒,尿布,坚果}是一个频繁的,则其子集{啤酒,尿布}、
{啤酒,坚果}、{尿布,坚果}都是频繁的;
如果{啤酒,坚果}是非频繁项集,则{啤酒,尿布,坚果}也是非频繁的.;1.连接步:为找LK,通过LK-1与自己连接产生候选K-项集的集合。该候选K-项集的集合记为CK,CK中包含2K个可能的项集。从LK-1中取出f1和f2,fj[j]表示fj的第j项。如果两者的前(k-2)个项相同(如果f1[1]=f2[1]∧f1[2]=f2[2]∧…∧f1[k-2] =f2[k-2]∧f1[k-1] f2[k-1],则LK-1的元素f1和f2是可以连接的),则进行连接f1⊕f2形成:
{f1[1],f1[2],… ,f1[k-2],f1[k-1],f2[k-1]}。 ;2.剪枝步:Ck是Lk的超集,它的成员可以是频繁的,也可以不是频繁的,但所有的频繁k-项集都包含在Ck中。扫描数据库,确定Ck中每个候选k-项集的计数,将计数值≥最小支持度计数的所有候选k-项集确定到Lk中。然而,Ck可能很大,这样所涉及到的计算量就很大。这时使用Apriori性质:如果一个候选k-项集的(k-1)-项集不在Lk-1中,则该候选也不可能是频繁的,从而可以从Ck中删除。;例:设有一个Electronics的事务数据库(如图1示)。数据库中有9个事务,即|D|=9。Apriori假定事务中的项按字典次序存放。我们使用图2解释Apriori算法寻找D中的频繁项集。 ;项集; 项 集 ;Apriori作为经典的频繁项目集生成算法,在数据挖掘中具有里程碑的作用。
Apriori算法有两个致命的性能瓶颈:
1.多次扫描事务数据库,需要很大的I/O负载
对每次k循环,侯选集Ck中的每个元素都必须通过扫描数据库一次来验证其是否加入Lk。假如有一个频繁项集包含10个项的话,那么就至少需要扫描事务数据库10遍
2.可能产生庞大的侯选集
由Lk-1产生k-侯选集Ck是指数增长的,例如104个1-频繁项目集就有可能产生接近107个元素的2-侯选集。如此大的侯选集对时间和主存空间都是一种挑战;改进Apriori: 基本思想
减少事务数据库的扫描遍数
压缩候选数量
便于候选计数
改进算法:
1. 基于散列技术(散列项集到对应的桶中)
2. 划分(为找候选集划分数据)
3. 事务压缩(压缩进一步迭代扫描的事务数)
4. 抽样(对给定数据的一个子集上挖掘)
5. 动态项集计数(在扫描的不同点
您可能关注的文档
最近下载
- 20210402张红伟教学成果奖讲座.pdf VIP
- 铁路路基压实质量检测—地基系数K30检测.pptx
- 《城市轨道交通车站设备》章节练习题及答案(全).doc VIP
- 初级中学政治教师资格考试学科知识与教学能力2024年下半年自测试题及解答.docx VIP
- 1530-7 高思学校竞赛数学导引·五年级 正文.pdf
- 中外历史纲要上第17课 第二次世界大战及战后国际秩序的形成 精品教学设计.docx VIP
- 2024陕西西安工程大学管理和专技岗位招聘12人笔试备考题库及答案解析.docx
- 变压器主保护——差动保护设计.docx VIP
- 电除尘器一般故障分析.docx
- 2024年下半年教师资格考试初级中学政治学科知识与教学能力自测试卷及解答.docx VIP
文档评论(0)