数据挖掘中关联规则挖掘的应用.docxVIP

数据挖掘中关联规则挖掘的应用 关联规则的挖掘 现在，数据捕获方法作为实现数据分布信息的有效途径越来越受到重视。关联规则挖掘首先是用来发现购物篮数据事务中各项之间的有趣联系。从那以后,关联规则就成为数据挖掘的重要研究方向,它是要找出隐藏在数据间的相互关系。定义为,设I={I1,I2,…Im}是m个不同项的项集,X∈I,Y∈I,并且X和Y是不相交的项集,即X∩Y=Φ。关联规则的属性可以用以下三个参数描述:一是支持度,(support)定义为全体事务集T中有s%的事务同时支持事务集X和Y,则称s%为关联规则X→Y的支持度。支持度表示规则的频繁程度,用S(X→Y)表示。其中,最小支持度用Minsup表示。二是置信度(confidence),定义为全体事务集T中支持事务集X的事务中,有c%的事务同时也支持事务集Y,c%为关联规则X→Y的置信度。置信度表示规则的强度,用C(X→Y)表示。其中,最小置信度用Minconf表示。三是频繁项集,定义为支持度不小于最小支持度(minsup)的事务集,称为频繁项集。 关联规则的挖掘问题就是在事务数据库D中找出具有用户给定的满足一定条件的最小支持度Minsup和最小置信度Minconf的关联规则。关联规则的挖掘一般分为以下两个步骤: (1)找出存在于事务数据库中的所有频繁项集。 (2)用频繁项集生成关联规则,即对于每个频繁项集X,若Y∈X,Y≠Φ,且c(