20110801303计科三班吕良datamining2.docxVIP

第二次作业 I.Apriori 算法使用子集支持性质的先验知识。 (a)证明频繁项集的所有非空的子集也必须是频繁的。 答：设s是一个频繁项集，min_sup是最小支持度阀值， 任务相关的数据 D是数据库事 务的集合，|D| 是 D 有事务量，则有 Support_count(s) = min_supx |D| ； 再设s是s的非空子集，则任何包含项集 s的事务将同样包含项集 s , 即: =min_sup x |D|.support_ coun t(s) support coun t(s) =min_sup x |D|. 所以，s也是一个频繁项集。 (b)证明项集 (b)证明项集s的任意非空子集 s的支持至少和 s的支持度一样大。 |D|是D的事务量，由定义得: |D|是D的事务量，由定义得: 斗 i ^upport-count(s) w\support (s)= w\ d, ,, suppnrt-caunt(护) support, (s )= 丽 设s 是s的非空子集，由定义得： 由(a)可知：support (s)兰 support(s) 由此证明，项集s的任意非空子集s 的支持至少和s的支持度一样大。 (c)给定频繁项集 I (c)给定频繁项集 I和I的子集 s，证明规则 ‘一「几 的置信度不可能大于 答：设S是I的子集，则 confidences^ - s))=益爲鹅. eonfidence(^(l eonfidence(^(l -『))=:麟;:弘 设s 是s的非空子集，则 由(b) 可知：support_count(s) - support count(s) , 此外，con fide nee (s ) = (l-s )) con fide nee (s) = (I- s )) 所以，规则 的置信度不可能大于 y ?茫r (d) Apriori算法的一种变形将事务数据库 D中的事务划分成n个不重叠的分区。证明 在D中频繁的项集至少在 D的一个分区中是频繁的。 答：假设频繁项集在 D的任何部分中都不频繁。 设F为D的任何频繁项集。令 D是相关事务数据集。令 C是D中事务的总数量。令 A是D中包含F的 事务数量。令 min_sup是最小支持度阈值。 因为F是频繁项集，所以 A=C*min_sup. 令D分成n个不重叠的部分， d1,d2, dn。那么D=d1d2 , dn. 令cl c2, c n分别是各部分di, d n的事务数量。则 C=c1+c2+,+cn 令al a2, an分别是各部分 di, dn中包含F的事务数量，则 A=a1+a2+ , +an A=C*min_sup即a1+a2+, +an=( c1+c2+ , +cn)* min_sup ① 由假设知F在各部分d1, dn中都不是频繁的，所以 aici*min_sup(i=1,2,3, , ,n)把式子加起来得 a1+a2+, +an( c1+c2+ , +cn)* min_sup,② 可得①②矛盾，所以原假设不成立 2. 622 节介绍了由频繁项集产生关联规则的方法。提出一个更有效的方法。解释它为 什么比6.2.2 节的方法更有效。（提示：考虑将习题6.3 （ b）和6.3 （ c）的性质结合到你的 设计中。） 方法1:基于hash表的项集计数 将每个项集通过相应的 hash函数映射到hash表中的不同的桶中，这样可以通过将桶中的项集 技术跟最小支持计数相比较先淘汰一部分项集。 方法2：事务压缩（压缩进一步迭代的事务数） 不包含任何k-项集的事务不可能包含任何 （k+1）-项集，这种事务在下一步的计算中可以加上 标记或删除。 方法3:划分 挖掘频繁项集只需要两次数据扫描 D中的任何频繁项集必须作为局部频繁项集至少出现在一个部分中。 第一次扫描：将数据划分为多个部分并找到局部频繁项集 第二次扫描：评估每个候选项集的实际支持度，以确定全局频繁项集 3.设数据库有 5 个事务。设 min_sup =60%, min_conf=80% TID zlems-buiLyht T100 T200 T300 T400 T500 {M, O, N, K, E: ￥} {D, O, N；K；E, Y } {M, A, K, E} {M,U, GK,Y} {C, O, O, K, 1 tE} ⑻分别使用Apriori和 ⑻分别使用Apriori Apriori: III3G3n2k54y III 3 G 3 n 2 k 5 4 y g d 1 a 1 u 1 c 2 i 1 tn 3 □ 3 k 5 e 4 y mo 1 ink 3 me 2 my 2 ok 3 oe 3 oy 2 ke 4 ky 3 2 ink 3 ok 3 oe 3 ke 1 ky 3