数据挖掘作业.docx

第5章关联分析

列举关联规则在不同领域中应用的实例。

给出如下几种类型的关联规则的例子，并说明它们是否是有价值的。

高支持度和高置信度的规则；(b)高支持度和低置信度的规则；(c)低支持度和低置信度的规则；(d)低支持度和高置信度的规则。

数据集如表5-14所示：

表5-14习题5.3数据集

CustomerID

TransactionID

ItemsBought

1

0001

{a,d,e}

1

0024

{a,b,c,e}

2

0012

{a,b,d,e}

2

0031

{a,c,d,e}

3

0015

{b,c,e}

3

0022

{b,d,e}

4

0029

{c,d}

4

0040

{a,b,c}

5

0033

{a,d,e}

5

0038

{a,b,e}

把每一个事务作为一个购物篮，计算项集{e},{b,d}和{b,d,e}的支持度。

利用(a)中结果计算关联规则{b,d}→{e}和{e}→{b,d}的置信度。置信度是一个对称的度量吗？

把每一个用户购买的所有商品作为一个购物篮，计算项集{e},{b,d}和{b,d,e}的支持度。

利用(b)中结果计算关联规则{b,d}→{e}和{e}→{b,d}的置信度。置信度是一个对称的度量吗？

关联规则是否满足传递性和对称性的性质？举例说明。

Apriori算法使用先验性质剪枝，试讨论如下类似的性质

证明频繁项集的所有非空子集也是频繁的

证明项集s的任何非空子集s’的支持度不小于s的支持度

给定频繁项集l和它的子集s，证明规则“s’→(l–s’)”的置信度不高于s→(l–s)的置信度，其中s’是s的子集

Apriori算法的一个变形是采用划分方法将数据集D中的事务分为n个不相交的子数据集。证明D中的任何一个频繁项集至少在D的某一个子数据集中是频繁的。

5.6考虑如下的频繁3-项集：{1,2,3}，{1,2,4}，{1,2,5}，{1,3,4}，{1,3,5}，{2,3,4}，

{2,3,5}，{3,4,5}。

(a)根据Apriori算法的候选项集生成方法，写出利用频繁3-项集生成的所有候选4-项集。(b)写出经过剪枝后的所有候选4-项集

一个数据库有5个事务，如表5-15所示。设min_sup=60%，min_conf=80%。

表5-15习题5.7数据集

事务

事务ID

T100

购买的商品

{M,O,N,K,E,Y}

T200T300T400

T200T300T400

T500

{D,O,N,K,E,Y}

{M,A,K,E}

{M,U,C,K,Y}

{C,O,O,K,I,E}

分别用Apriori算法和FP-growth算法找出所有频繁项集。比较两种挖掘方法的效率。

比较穷举法和Apriori算法生成的候选项集的数量。

利用(1)所找出的频繁项集，生成所有的强关联规则和对应的支持度和置信度。

购物篮分析只针对所有属性为二元布尔类型的数据集。如果数据集中的某个属性为连续型变量时，说明如何利用离散化的方法将连续属性转换为二元布尔属性。比较不同的离散方法对购物篮分析的影响。

分别说明利用支持度、置信度和提升度评价关联规则的优缺点。

表5-16所示的相依表汇总了超级市场的事务数据。其中hotdogs指包含热狗的事务，hotdogs指不包含热狗的事务。hamburgers指包含汉堡的事务，hamburgers指不包

含汉堡的事务。

表5-16习题5.10相依表

hotdogs

hotdogs

?row

Hamburgers

2,000

500

2,500

hamburgers

1,000

1,500

2,500

?col

3,000

2,000

5,000

假设挖掘出的关联规则是“hotdogs?hamburgers”。给定最小支持度阈值25%和最小置信度阈值50%，这个关联规则是强规则吗？

计算关联规则“hotdogs?hamburgers”的提升度，能够说明什么问题？购买热狗和购买汉堡是独立的吗？如果不是，两者间存在哪种相关关系？

对于表5-17所示序列数据集，设最小支持度计数为2，请找出所有的频繁模式。

表5-17习题5.11数据集

SequenceID

SequenceID1

2

3

4

SequenceID

a(abc)(ac)d(cf)

(ad)c(bc)(ae)

(ef)(ab)(df)cb

eg(af)cbc