数据挖掘技术关联性分析.pptVIP

第8章知识类数据挖掘技术;8.1知识发现系统的结构;知识发现系统管理器：控制并管理整个知识发现过程，包括数据选择过程、抽取算法的选择及使用过程、发现的评价过程。

知识库和商业分析员

数据仓库的数据库接口

数据选择

知识发现引擎：分类、聚类、偏差分析、模糊推理等

发现评价

发现描述;8.2关联规那么的数据挖掘技术;

关联规那么发现的主要对象是交易型数据库，一个交易一般由交易处理时间，一组顾客购置的物品，有时也有顾客标识号(如信用卡号)组成。;例：;ForruleA?C:

support=support({AC})=50%

confidence=support({AC})/support({A})=66.6%;定义：关联规那么挖掘的交易数据集记为D〔一般为交易数据库〕，D＝｛T1，T2，…，Tk，…,Tn｝，Tk〔k＝1,2,…，n〕称为交易，对应每一个交易有唯一的标识，记作TID。

元素im〔m＝1,2,…，p〕称为项。设I={i1，i2，…，im}是D中全体项组成的集合，且Tk?I。;交易号（TID）;规那么X?Y在交易数据集D中的

置信度是对关联规那么准确度

的衡量。度量关联规那么的强

度。即在所有出现了X的活动

中出现Y的频率，即规那么X?Y

的必然性有多大。

记为confidence(X?Y)。;交易号（TID）;最小置信度阈值

最小支持度阈值

同时满足最小置信度阈值和最小支持度阈值的关联规那么为强关联规那么，是有意义有价值。;交易号（TID）;在给定一个交易数据集D，挖掘关联规那么问题就是产生支持度和置信度分别大于用户给定的最小支持度阈值和最小置信度阈值的关联规那么。;挖掘交易数据库D中所有关联规那么的问题可以被划分为两个子问题：;找出频繁项集－－Apriori算法;交易号;项集;项集;项集;项集;连接：C3＝L2∞L2＝

{{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,I4},{I2,I3,I5},{I2,I4,I5}};剪枝：

{I1,I2,I3}的2-项子集是{I1,I2},{I1,I3}和{I2,I3}。

{I1,I2,I3}的所有2-项子集都是L2的元素。因此，保存{I1,I2,I3}在C3中。

{I2,I3,I5}的2-项子集是{I2,I3},{I2,I5}和{I3,I5}。

{I3,I5}不是L2的元素，因而不是频繁的。因此，由C3中删除{I2,I3,I5}。

剪枝后C3＝{{I1,I2,I3},{I1,I2,I5}}???;项集;

输入：交易数据库D；最小支持度阈值min_sup。

输出：D中的频繁项集L。

方法：

(1)L1＝find_frequent_1_itemset〔D〕；找频繁项集1-项集;

(2)for〔k=2;Lk-1??;min_sup〕

{apriori_gen(Lk-1,min_sup)连接和剪枝。用于在

第k-1次遍历中生成的Lk-1生成Ck

foreacht?D扫描数据库，确定每个候选项集的支持频度

｛Ct＝subset〔Ck，t〕获得t所包含的候选项集

foreachc?Ctc.count＋＋；

｝ ｝

(3)Lk＝｛c?Ck|c.countmin_sup｝由Ck生成Lk

(4)returnL＝L1∪L2….∪Lk;procedureapriori_gen(Lk-1,min_sup)

{

foreachl1?Lk-1

foreachl2?Lk-1

｛if〔l1[1]=l2[1]∧…∧l1[k-2]=l2[k-2]∧

l1[k-1]l2[k-1]〕

c=l1?l2；将两个项集连接在一起

ifnothas_infrequent_itemset〔c，Lk-1〕

Ck=Ck∪{c}；

}

reutrnCk

};procedurehas_infrequent_itemset〔c，Lk-1〕

{

foreach〔k－1〕subsetsofc

if