数据挖掘导论之频繁模式及关联规则挖掘技术.pptxVIP

第3课 频繁模式及关联规则挖掘技术 ;内容提纲;关联规则简介;什么是关联规则挖掘;频繁模式挖掘的重要性;关联规则基本模型;关联规则基本模型 ;9、我们的市场行为主要的导向因素，第一个是市场需求的导向，第二个是技术进步的导向，第三大导向是竞争对手的行为导向。八月-21八月-21Wednesday, August 04, 2021 10、市场销售中最重要的字就是“问”。21:14:1421:14:1421:148/4/2021 9:14:14 PM 11、现今，每个人都在谈论着创意，坦白讲，我害怕我们会假创意之名犯下一切过失。八月-2121:14:1421:14Aug-2104-Aug-21 12、在购买时???你可以用任何语言；但在销售时，你必须使用购买者的语言。21:14:1421:14:1421:14Wednesday, August 04, 2021 13、He who seize the right moment, is the right man.谁把握机遇，谁就心想事成。八月-21八月-2121:14:1421:14:14August 04, 2021 14、市场营销观念：目标市场，顾客需求，协调市场营销，通过满足消费者需求来创造利润。04 八月 20219:14:14 下午21:14:14八月-21 15、我就像一个厨师，喜欢品尝食物。如果不好吃，我就不要它。八月 219:14 下午八月-2121:14August 04, 2021 16、我总是站在顾客的角度看待即将推出的产品或服务，因为我就是顾客。2021/8/4 21:14:1421:14:1404 August 2021 17、利人为利已的根基，市场营销上老是为自己着想，而不顾及到他人，他人也不会顾及你。9:14:14 下午9:14 下午21:14:14八月-21 ;关联规则基本模型（续）;关联规则基本模型（续）;规则度量：支持度与可信度;关联规则基本模型（续）;Let min_support = 50%, min_conf = 50%: A ? C (50%, 66.7%) C ? A (50%, 100%);For rule A ? C: support = support({A}?{C}) = 50% confidence = support({A}?{C})/support({A}) = 66.6%;Apriori算法的步骤;频繁项集;关联规则的性质： ;Apriori算法;实例;Visualization of Association Rules: Pane Graph;Visualization of Association Rules: Rule Graph;提高Apriori算法的方法;关联规则挖掘算法;用Frequent-Pattern tree (FP-tree) 结构压缩数据库, 高度浓缩，同时对频繁集的挖掘又完备的 避免代价较高的数据库扫描 开发一种高效的基于FP-tree的频繁集挖掘算法 采用分而治之的方法学：分解数据挖掘任务为小任务 避免生成关联规则: 只使用部分数据库!;{};完备: 不会打破交易中的任何模式 包含了频繁模式挖掘所需的全部信息 紧密 去除不相关信息—不包含非频繁项 支持度降序排列: 支持度高的项在FP-tree中共享的机会也高 决不会比原数据库大（如果不计算树节点的额外开销);基本思想 (分而治之) 用FP-tree递归增长频繁集 方法 对每个项，生成它的 条件模式库, 然后是它的 条件 FP-tree 对每个新生成的条件FP-tree，重复这个步骤 直到结果FP-tree为空, 或只含唯一的一个路径 (此路径的每个子路径对应的项集都是频繁集);为FP-tree中的每个节点生成条件模式库 用条件模式库构造对应的条件FP-tree 递归构造条件 FP-trees 同时增长其包含的频繁集 如果条件FP-tree只包含一个路径，则直接生成所包含的频繁集。 如果条件FP-tree包含多个路径，则采用混合的方法;从FP-tree的头表开始 按照每个频繁项的连接遍历 FP-tree 列出能够到达此项的所有前缀路径，得到条件模式库;Node-link property For any frequent item ai, all the possible patterns containing only frequent items and ai can be obtained by following ai’s node-links, starting from ai’s head in the fp-tree header. Prefix path property To calculate the f