大型数据库中的关联规则挖掘.pptVIP

第四章关联规则挖掘关联规则挖掘：从事务数据库，关系数据库和其他信息存储中的大量数据的项集之间发现有趣的、频繁出现的模式、关联和相关性。应用：购物篮分析、分类设计、捆绑销售等采用关联模型比较典型的案例是“尿布与啤酒”的故事。在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，超市也因此发现了一个规律，在购买婴儿尿布的年轻父亲们中，有30%～40%的人同时要买一些啤酒。超市随后调整了货架的摆放，把尿布和啤酒放在一起，明显增加了销售额。同样的，我们还可以根据关联规则在商品销售方面做各种促销活动。一、基本概念给定：项的集合：I={i1,i2,...,in}T={t1,t2…tn}是数据库中事务的集合，每个事务ti则是项的集合，使得则为T中的关联规则。其中并且CustomerbuysdiaperCustomerbuysbothCustomerbuysbeer对所有满足最小支持度和置信度的关联规则支持度s是指事务集T中包含的百分比置信度c是指T中包含A同时也包含B的事务占包含A的事务的百分比最小支持度min_sup最小置信度min_conf?B同时满足support(A?B)min_sup,confidence(A?B)min_conf,则A?B称为T中的强关联规则。关联规则挖掘就是在事务集合中挖掘强关联规则。强关联规则：如果事务集合T中的关联规则A0201030405k－项集：包含k个项的集合{牛奶，面包，黄油}是个3－项集如果K—项集的频率(即支持计数)大于最小支持计数（最小支持度×T中的事务总数n），则称该项集为频繁K—项集0102二、关联规则挖掘步骤大型数据库中的关联规则挖掘包含两个过程：找出所有频繁项集01大部分的计算都集中在这一步由频繁项集产生强关联规则02即满足最小支持度和最小置信度的规则03Apriori算法定理一如果某k-项集不是频繁k-项集，则包含IK的(k+1)--项集也不是频繁(k+1)--项集。该性质称为Apriori性质。最简单的关联规则挖掘，即单维、单层、布尔关联规则的挖掘。最小支持度50%最小置信度50%对规则A?C，其支持度置信度Apriori算法思想STEP1STEP2STEP3STEP4扫描一次事务集合，找出频繁1项集集合L1；基于L1，产生候选2项集集合C2，再扫描一次事务集合，比较候选支持计数与最小支持计数，找出频繁2项集L2；基于L2，找出C3，作剪枝运算，得到剪枝后的C3，再扫描一次事务集合，确定L3；以此类推，直至找出频繁项集为止。最后在所有频繁项集中产生强关联规则。DatabaseTDB1stscanC1L1L2C2C22ndscanC3L33rdscanTidItems10A,C,D20B,C,E30A,B,C,E40B,EItemsetsup{A}2{B}3{C}3{D}1{E}3Itemsetsup{A}2{B}3{C}3{E}3Itemset{A,B}{A,C}{A,E}{B,C}{B,E}{C,E}Itemsetsup{A,B}1{A,C}2{A,E}1{B,C}2{B,E}3{C,E}2Itemsetsup{A,C}2{B,C}2{B,E}3{C,E}2Itemset{B,C,E}Itemsetsup{B,C,E}2最小支持计数：21．连接：C3=L2L2={{A,C},{B,C},{B,E}{C,E}}{{A,C},{B,C},{B,E}{C,E}}={{A,B,C},{A,C,E},{B,C,E}}2．使用Apriori性质剪枝：频繁项集的所有子集必须是频繁的，对候选项C3，我们可以删除其子集为非频繁的选项：{A,B,C}的2项子集是{A,B},{A,C},{B,C}，其中{A,B}不是L2的元素，所以删除这个选项；{A,C,E}的2项子集是{A,C},{A,E},{C,E}，其中{A,E}不是L2的元素，所以删除这个选项；{B,C,E}的2项子集是{B,C},{B,E},{C,E}，它的所有2－项子集都是L2的元素，因此保留这个选项。3．这样，剪枝后得到C3={{B,C,E}}