数据仓库与数据挖掘基础第6章关联规则(赵志升).pptxVIP

1、关联规则挖掘 2、挖掘事务数据库的单维布尔关联规则 3、挖掘事务数据库的多层关联规则 4、挖掘关系数据库和数据仓库的多维关联规则 5、由关联挖掘到相关分析; 关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。 从大量商务事务记录中发现有趣的关联关系，可以帮助许多商务决策的制定，如分类设计、交叉购物和贱卖分析。 关联规则挖掘的一个典型的例子是购物篮分析。;第一节 关联规则挖掘; 问题：什么商品组或集合顾客多半会在一次购物时同时购买？ 回答：需要分析商店的顾客事务零售数据，并在其上运行购物篮分析。 分析的结果可以用于市场规划、广告策划、分类设计。例如，购物篮分析可以帮助经理设计不同的商店布局，以及规划什么商品降价。;1、购物篮分析 策略一：经常购买的商品可以放近一些，以便进一步刺激这些商品一起销售。 策略二：将经常购买的商品放在商店的两端，可能诱发买这些商品的顾客一路挑选其他商品。;1、购物篮分析 可以想象全域是商店中可利用的商品的集合，则每钟商品有一个布尔变量，表示该商品的有无。每个篮子可以用一个布尔向量表示。可以分析布尔向量，得到反映商品频繁关联或同时购买的购买模式。 这些模式可以用关联规则的形式表示：;1、购物篮分析 规则的支持度和置信度是两个规则兴趣度度量，反映规则的有用性和确定性，上述规则的支持度2%意味分析中的全部事务的2%同时购买计算机和操作系统软件。置信度60%意味购买计算机的顾客60%也购买操作系统软件。 关联规则被认为是有趣的，如果它满足最小支持度阈值和最小置信度阈值。这些阈值可由用户和领域专家设定。;2、基本概念 设I={i1，i2，…，im}是项的集合，。设任务相关的数据D是数据库事务的集合，其中每个事务T是项的集合，使得T?I。每一个事务有一个标识符TID。设A是一个项集，事务T包含A，当且仅当A?T。关联规则是形如A?B的蕴涵式，其中A?I， B?I，且A?B=?。;2、基本概念 项的集合称为项集，包含K个项的项集称为K-项集。集合{computer，software}是一个2-项集。项集的出现频率是包含项集的事务数简称为频???、支持计数或计数。 项集满足最小支持度，若项集的出现频率大于或等于最小支持度与D中事务总数的乘积。 如果项集满足最小支持度，则称它为频繁项集。;2、基本概念 关联规则的挖掘包含两个基本步骤： 找出所有频繁项集：这些项集出现的频繁性至少和预定义的最小支持计数一样。 由频繁项集产生强关联规则：这些规则必须满足最小支持度和最小置信度。 挖掘关联规则的总体性能由第一步决定。;3、关联规则挖掘的分类标准 购物篮分析只是关联规则挖掘的一种形式。 根据下列标准，关联规则有多种分类方法： 根据规则中所处理的值的类型：若规则考虑项的在与不在，则它是布尔关联规则；若规则描述的是量化的项或属性之间的关联，则它是量化关联规则。如，下列为一个量化关联规则：;3、关联规则挖掘的分类标准 根据规则中涉及的数据维：若关联规则中的项或属性每个只涉及一个维，则它是单维关联规则；若关联规则涉及两个或多个维，则它是多维关联规则。如;3、关联规则挖掘的分类标准 根据规则集所涉及的抽象层：有些挖掘关联规则的方法可以在不同的抽象层发现规则。如，;3、关联规则挖掘的分类标准 根据关联规则的各种扩充：关联规则可以扩充到相关分析，以识别项是否相关。用最大模式（最大的频繁模式）或频繁闭项集显著压缩挖掘所产生的频繁项集数。;第二节 挖掘事务数据库的单维布尔关联规则;第二节 挖掘事务数据库的单维布尔关联规则;第二节 挖掘事务数据库的单维布尔关联规则;第二节 挖掘事务数据库的单维布尔关联规则;第二节 挖掘事务数据库的单维布尔关联规则;第二节 挖掘事务数据库的单维布尔关联规则;第二节 挖掘事务数据库的单维布尔关联规则;第二节 挖掘事务数据库的单维布尔关联规则;第二节 挖掘事务数据库的单维布尔关联规则;第二节 挖掘事务数据库的单维布尔关联规则;第二节 挖掘事务数据库的单维布尔关联规则;第二节 挖掘事务数据库的单维布尔关联规则;第二节 挖掘事务数据库的单维布尔关联规则;第二节 挖掘事务数据库的单维布尔关联规则;第二节 挖掘事务数据库的单维布尔关联规则;第三节 挖掘事务数据库的多层关联规则;第三节 挖掘事务数据库的多层关联规则;第三节 挖掘事务数据库的多层关联规则;第三节 挖掘事务数据库的多层关联规则;第三节 挖掘事务数据库的多层关联规则;第三节 挖掘事务数据库的多层关联规则;第三节 挖掘事务数据库的多层关联规则;第三节 挖掘事务数据库的多层关联规则;第三节 挖掘事务数据库的多层关联规则;第三