决策支持系统的核心数据挖.pptVIP

2 数据挖掘功能——关联规则 Apriori算法 剪枝步 Ck是Lk的超集，即它的成员不一定都是频繁项集，但所有的频繁k-项集都包含在Ck中 扫描数据库，确定Ck中每个候选项集的计数，从而确定Lk 。然而， Ck可能很大，这样所涉及的计算量就很大。 第29页，共79页，编辑于2022年，星期二 2 数据挖掘功能——关联规则 Apriori算法 剪枝步 为了压缩 Ck ，可利用Apriori性质：任何非频繁的(k-1)-项集都不可能是频繁k-项集的子集。因此，若一个候选k-项集的(k-1)-项子集不在 Lk-1中，则该候选也不可能是频繁的，从而可以从 Ck 中删除。 第30页，共79页，编辑于2022年，星期二 2 数据挖掘功能——关联规则 【例】一个Apriori的具体例子，该例基于右图某商店的事务DB。DB中有9个事务，Apriori假定事务中的项按字典次序存放。 TID 项ID的列表 T100 I1，I2，I5 T200 I2，I4 T300 I2，I3 T400 I1，I2，I4 T500 I1，I3 T600 I2，I3 T700 I1，I3 T800 I1，I2，I3，I5 T900 I1，I2，I3 第31页，共79页，编辑于2022年，星期二 2 数据挖掘功能——关联规则 （1）在算法的第一次迭代，每个项都是候选1-项集的集合C1的成员。算法简单地扫描所有的事务，对每个项的出现次数计数。 扫描D,对每个候选计数 项集 支持度计数 {I1} 6 {I2} 7 {I3} 6 {I4} 2 {I5} 2 C1 第32页，共79页，编辑于2022年，星期二 2 数据挖掘功能——关联规则 （2）设最小支持计数为2，可以确定频繁1-项集的集合Lk-1。它由具有最小支持度的候选1-项集组成。 项集 支持度计数 {I1} 6 {I2} 7 {I3} 6 {I4} 2 {I5} 2 比较候选支持度计数与最小支持度计数 L1 第33页，共79页，编辑于2022年，星期二 2 数据挖掘功能——关联规则 （3）为发现频繁2-项集的集合L2，算法使用 产生候选2-项集集合C2。 L1 L1 项集 {I1，I2} {I1，I3} {I1，I4} {I1，I5} {I2，I3} {I2，I4} {I2，I5} {I3，I4} {I3，I5} {I4，I5} C2 由L1产生候选C2 第34页，共79页，编辑于2022年，星期二 2 数据挖掘功能——关联规则 （4）扫描D中事务，计算C2中每个候选项集的支持计数。 项集 支持度计数 {I1，I2} 4 {I1，I3} 4 {I1，I4} 1 {I1，I5} 2 {I2，I3} 4 {I2，I4} 2 {I2，I5} 2 {I3，I4} 0 {I3，I5} 1 {I4，I5} 0 扫描D,对每个候选计数 C2 第35页，共79页，编辑于2022年，星期二 2 数据挖掘功能——关联规则 （5）确定频繁2-项集的集合L2，它由具有最小支持度的C2中的候选2-项集组成。 项集 支持度计数 {I1，I2} 4 {I1，I3} 4 {I1，I5} 2 {I2，I3} 4 {I2，I4} 2 {I2，I5} 2 比较候选支持度计数与最小支持度计数 L2 第36页，共79页，编辑于2022年，星期二 2 数据挖掘功能——关联规则 （6）候选3-项集的集合C3的产生如下： ①连接： C3= = {{I1,I2}，{I1,I3}，{I1,I5}，{I2,I3}，{I2,I4}，{I2,I5}} {{I1,I2}，{I1,I3}，{I1,I5}，{I2,I3}，{I2,I4}，I2,I5}} = {{I1,I2,I3}，{I1,I2,I5}，{I1,I3,I5}，{I2,I3,I4}，{I2,I3,I5}，{I2,I4,I5}} L2 L2 第37页，共79页，编辑于2022年，星期二 2 数据挖掘功能——关联规则 （6）候选3-项集的集合C3的产生如下： ②利用Apriori性质剪枝：频繁项集的所有子集必须是频繁的。存在候选项集，判断其子集是否频繁。 {I1,I2,I3}的2-项子集是{I1,I2}，{I1,I3}和{I2,I3}，它们都是L2的元素。因此保留{I1,I2,I3}在C3中。 {I1,I2,I5}的2-项子集是{I1,I2}，{I1,I5}和{I2,I5}, 它们都是L2的元素。因此保留{I1,I2,I5}在C3中。 第38页，共79页，编辑于2022年，星期二 2 数据挖掘功能——关联规则 （6）候选3-项集的集合C3的产生如下： {I1,I3,I5}的2-项子集是{I1,I3}，{I1,I5}和{I