商业智能与数据挖掘技术详述.ppt

实例3：购物篮里有什么？ 事务 项 T100 I1,I2,I5,I3 T200 I2,I4,I1 T300 I2,I3,I5 T400 I1,I2,I4 T500 I1,I3 T600 I2,I3 T700 I1,I3 T800 I1,I2,I3,I5 T900 I1,I2,I3 顾客购物篮中各种商品之间的关系：如买牛奶，也购买面包的可能性有多大？ 买铁锤的顾客中有多少人同时也买铁钉？ 数学表达：设事务数据库中有9个事务，如右图。试按最小支持度2 次、最小可信度70% 的标准寻找关联规则。 第三十一页，共六十一页。 1.项集：项的集合称为项集。 设I={I?,I2,..,In}是一个项集，其中Ii (i=1,2,3,…,n)可以是购物篮中的一物品，或保险公司的顾客。 K项集 --- 包含K个项的项集被成为K项集。 2.事务：事务是项的集合，设有事务T，则T? I . 对应每个事务有唯一的标识，如TID。又设A是I中项的集合，如果A?T，则称A为事务T的子集。 3.事务集：事务的集合称为事务集。设某事务集为D，则D={T1，T2，…,Tp}, 4.逻辑蕴涵：A ? B， 其中A，B是项集，A ? I，B ? I，A ∩ B=Ф。 二、基本概念 第三十二页，共六十一页。 设A，B是项集，对于事务集D，A∈D，B∈D，A ∩ B=Ф，则 5.置信度（Confidence）: 反映在出现项集A的事务集D中，项集B也同时出现的概率。 例如买牛奶顾客中有80%也购买面包，则（牛奶 ? 面包）的置信度为80%。 6.支持度（Support）： 描述了A和B这两个项集在所有事务中同时出现的概率。 例如某商场某天共有1000笔业务，其中有100笔业务同时买了牛奶和面包，则（牛奶?面包）的支持度为10%。 两种形式：相对数、绝对数。 第三十三页，共六十一页。 7.关联规则：同时满足最小支持度阈值和最小可信度阈值的逻辑蕴涵式：A ? B 8.寻找强关联规则的步骤（Apriori算法）： （1） 寻找事务数据库中所有的频繁项集 支持度大于最小支持度的项集称为频繁项集。 （2）在所有频繁集中寻找强关联规则 a.用每一频繁集生成所有逻辑蕴涵式； b.计算每一逻辑蕴涵式的置信度,并判断是否超过阈值。 第三十四页，共六十一页。 10．关联规则的种类： （1） 根据变量类型分为布尔型和数值型。布尔型考虑的是项集是否存在；而数值型则是量化的关系。 例如：性别=“女” ? 职业=“秘书” 布尔型 性别=“女” ? avg（收入）=2300 数值型 （2）根据数据的维数分为单维和多维。单维关联规则，只涉及到数据的一个维度，如用户购买的物品。多维关联规则涉及到多个维度。 例如：啤酒 ? 尿布 单维 ↘↙ （物品） 性别=“女” ? 职业=“秘书” 多维 ↘ ↙ （性别和职业） 第三十五页，共六十一页。 (3)根据是否允许同一维在规则的左右方同时出现， 多维关联规则：维间关联规则（不允许） 混合维关联规则（允许） 年龄（X，“20...30”）∧职业（X,“学生”）== 购买(X，“笔记本电脑”) 。 年龄、职业、购买，没有一个维是重复出现的，故是维间关联规则。 年龄（X，“20...30”）∧购买(X，“笔记本电脑”) == 购买(X，“打印机”)。 年龄、购买，且购买出现过两次，故是混合维关联规则。 第三十六页，共六十一页。 三、计算实例 P215 四、软件实现 返回 第三十七页，共六十一页。 一、实例 第三节 决策树 第三十八页，共六十一页。 购电脑贷款决策树 age? 30--40 credit rating? no yes fair excellent =30 40 no no yes yes yes 根：X 根节点、属性 枝 属性值 第二层节点 枝 属性值 叶节点(目标变量) student? 第三十九页，共六十一页。 问题：某