高级人工智能第十二章.pptVIP

2025/5/13AA12关联规那么史忠植1高级人工智能

第十二章关联规那么

AssociationRules

2025/5/13AA12关联规那么史忠植2内容提要引言Apriori算法Frequent-patterntree和FP-growth算法多维关联规那么挖掘相关规那么关联规那么改进总结

2025/5/13AA12关联规那么史忠植3关联规那么关联规那么反映一个事物与其他事物之间的相互依存性和关联性。如果两个或者多个事物之间存在一定的关联关系，那么，其中一个事物就能够通过其他事物预测到。关联规那么表示了项之间的关系。例如:cereal,milk?fruit“买谷类食品和牛奶的人也会买水果.”商店可以把牛奶和谷类食品作特价品以使人们买更多的水果.

2025/5/13AA12关联规那么史忠植4市场购物篮分析分析事务数据库表我们是否可假定?Chips=SalsaLettuce=SpinachPersonBasketAChips,Salsa,Cookies,Crackers,Coke,BeerBLettuce,Spinach,Oranges,Celery,Apples,GrapesCChips,Salsa,FrozenPizza,FrozenCakeDLettuce,Spinach,Milk,Butter

2025/5/13AA12关联规那么史忠植5根本概念通常,数据包含:TIDBasket事务ID项的子集

2025/5/13AA12关联规那么史忠植6关联规那么挖掘在事务数据库,关系数据库和其它信息库中的项或对象的集合之间,发现频繁模式,关联,相关,或因果关系的结构.频繁模式:数据库中出现频繁的模式(项集,序列,等等)

2025/5/13AA12关联规那么史忠植7根本概念项集事务关联规那么-事务数据集(例如右图)事务标识TID每一个事务关联着一个标识,称作TID.Transaction-idItemsbought10A,B,C20A,C30A,D40B,E,F

2025/5/13AA12关联规那么史忠植8关联规那么的度量支持度sD中包含A和B的事务数与总的事务数的比值规那么A?B在数据集D中的支持度为s,其中s表示D中包含A?B(即同时包含A和B)的事务的百分率.

2025/5/13AA12关联规那么史忠植9关联规那么的度量可信度cD中同时包含A和B的事务数与只包含A的事务数的比值规那么A?B在数据集D中的可信度为c,其中c表示D中包含A的事务中也包含B的百分率.即可用条件概率P(B|A)表示.confidence(A?B)=P(B|A)条件概率P(B|A)表示A发生的条件下B也发生的概率.

2025/5/13AA12关联规那么史忠植10关联规那么的度量关联规那么根据以下两个标准(包含或排除):最小支持度–表示规那么中的所有项在事务中出现的频度最小可信度-表示规那么中左边的项(集)的出现暗示着右边的项(集)出现的频度

2025/5/13AA12关联规那么史忠植11市场购物篮分析I是什么?事务IDB的T是什么?s(Chips=Salsa)是什么?c(Chips=Salsa)是什么?事务ID购物篮AChips,Salsa,Cookies,Crackers,Coke,BeerBLettuce,Spinach,Oranges,Celery,Apples,GrapesCChips,Salsa,FrozenPizza,FrozenCakeDLettuce,Spinach,Milk,Butter,Chips

2025/5/13AA12关联规那么史忠植12频繁项集项集–任意项的集合k-项集–包含k个项的项集频繁(或大)项集–满足最小支持度的项集假设I包含m个项,那么可以产生多少个项集?

2025/5/13AA12关联规那么史忠植13强关联规那么给定一个项集,容易生成关联规那么.项集:{Chips,Salsa,Beer}Beer,Chips=SalsaBeer,Salsa=ChipsChips,Salsa=Beer强规那么是有趣的强规那么通常定义为那些满足最小支持度和最小可信度的规那么.

2025/5/13AA12关联规那么史忠植14关联规那么挖掘两个根本步骤找出所有的频繁项集满足最小支持度找出所有的强关联规那么由频繁项集生成关联规那么保存满足最小可信度的规那么

2025/5/13AA12关联规那么史忠