关联规则挖掘——Apriori算法课件.pptVIP

关联规则Apriori挖掘

1.1概述?关联规则(AssociationRuleMining)挖掘是数据挖掘中最活跃的研究方法之一?最早是由R.Agrawal等人提出的?其目的是为了发现超市交易数据库中不同商品之间的关联关系。?一个典型的关联规则的例子是：70%购买了牛奶的顾客将倾向于同时购买面包。?经典的关联规则挖掘算法：Apriori算法和FP-growth算法

1.2引例?假定某超市销售的商品包括：bread、bear、cake、cream、milk和tea交易号TID顾客购买商品ItemsbreadcreammilkteaT1T2T3T4T5T6T7T8T9T10breadcreammilkcakemilkmilkteabreadcakemilkbreadteabeermilkteabreadteabreadcreammilkteabreadmilktea

1.2引例?定义1.1项目与项集?设I={i1,i2,…,im}是m个不同项目的集合，每个ik(k=1，2，……，m)称为一个项目(Item)。?项目的集合I称为项目集合(Itemset)，简称为项集。其元素个数称为项集的长度，长度为k的项集称为k-项集(k-Itemset)。

1.2引例?定义1.2交易?每笔交易T(Transaction)是项集I上的一个子集，即T?I，但通常T?I。?对应每一个交易有一个唯一的标识——交易号，记作TID?交易的全体构成了交易数据库D，或称交易记录集D，简称交易集D。?交易集D中包含交易的个数记为|D|。

1.2引例?定义1.3项集的支持度?对于项集X，X?I，设定count(X?T)为交易集D中包含X的交易的数量?项集X的支持度support(X)就是项集X出现的概率，从而描述了X的重要性。

1.2引例?定义1.5关联规则?关联规则(AssociationRule)可以表示为一个蕴含式：R：X?Y?

1.2引例?定义1.6关联规则的支持度?对于关联规则R：X?Y，其中X?I,Y?I，并且X?Y=?，规则R的的支持度(Support)是交易集中同时包含X和Y的交易数与所有交易数之比。

1.2引例?定义1.7关联规则的可信度?对于关联规则R：X?Y，其中X?I,Y?I，并且X?Y=?，规则R的可信度(Confidence)是指包含X和Y的交易数与包含X的交易数之比

1.2引例?定义1.8关联规则的最小支持度和最小可信度?关联规则的最小支持度也就是衡量频繁集的最小支持度(MinimumSupport)，记为supmin它用于衡量规则需要满足的最低重要性。规则的(MinimumConfidence)最小可信度confmin，它表示关联规则需要满足的最低可靠性。

1.2引例?定义1.9强关联规则?如果规则X?Y满足：support(X?Y)?supmin且confidence(X?Y)?confmin，称关联规则X?Y为强关联规则，否则称关联规则X?Y为弱关联规则。在挖掘关联规则时，产生的关联规则要经过supmin和confmin的衡量，筛选出来的强关联规则才能用于指导商家的决策。

1、Apriori算法?Apriori算法命名源于算法使用了频繁项集性质的先验（Prior）知识。?Apriori算法将发现关联规则的过程分为两个步骤：l通过迭代，检索出事务数据库中的所有频繁项集，即支持度不低于用户设定的阈值的项集；l利用频繁项集构造出满足用户最小信任度的规则。?挖掘或识别出所有频繁项集是该算法的核心，占整个计算量的大部分。

Apriori的性质：?性质1：频繁项集的所有非空子集必为频繁项集。?性质2：非频繁项集的超集一定是非频繁的。

Apriori的步骤：?连接步：为找L通过将L与自身连接产生候选kk，k-1项集的集合?剪枝步：C是L的超集，也就是说，C的成员可以kkk是也可以不是频繁的，但所有的频繁k项集都包含在C中。任何非频繁的（k-1）项集都不是频繁k项k集的子集。

4.3.1Apriori算法

1.3.1Apriori算法?apriori_gen(Lk-1,supmin)算法

1.3.1Apriori算法?has_infrequent_subset(c,Lk-1)算法

Apriori算法实例现有A、B、C、D、E五种商品的交易记录表，试找出三种商品关联销售情况(k=3)，最小支持度=50%。

实例解答K=1支持度50K=2支持度50支持度50

支持度50支持度50

Apriori算法的不足?可能产生大量的候选集?需要重复扫描数