挖掘关联规则.PPTVIP

*对于数值型的字段，需要进行一定的处理之后才可以进行。处理数值型字段的方法基本上有以下几种：(1)数值字段被分成一些预定义的层次结构。(2)数值字段根据数据的分布分成了一些布尔字段。(3)数值字段被分成一些能体现它含义的区间。(4)直接用数值字段中的原始数据进行分析。10.9.1多维关联规则挖掘原理

*10.2.3复杂关联规则算法多层次关联规则挖掘一般有两种途径:一种是把单层次关联规则挖掘算法直接应用于多层次。另一种是在不同的层次应用不同的支持度阈值和置信度阈值。*10.3分层搜索算法-Apriori算法10.3.1频繁项集的产生Apriori算法使用层次顺序搜索的循环方法（又称作逐层搜索的迭代方法）产生频繁项集，即用频繁k-项集探索产生(k+1)-项集。首先，找出长度为1的频繁项集，记为，用于产生频繁2-项集的集合，而用于产生频繁3-项集的，如此循环下去，直到不能找到新的频繁k-项集。找每个需要扫描数据库一次。*举例:已知事务数据库D如表10.1所示，最小支持度计数为2，即minsupport=2/9，利用Apriori算法挖掘所有满足minsup的频繁集。*(1)第一次扫描，扫描数据库获得每个候选项的计数，从而获得频繁1-项集。如表10-2所示。(2)根据L1生成2-候选集C2，然后扫描数据库D，计算各项集的支持度，如表10.3所示。从而得到频繁2-项集，如表10.4所示。**(3)L2进行自连接得到C3={{I1,I4,I5}，{I1,I2,I4}，{I1,I3,I4}，{I1,I3,I5}，{I2,I3,I4}，{I3,I4,I5}}因为{I1,I2,I4}的子集{I1,I2,}和{I1,I3,I4}、{I1,I3,I5}的子集{I1,I3,}及{I2,I3,I4}的子集{I2,I3}不在L2中因此，从C3中删除{I1,I2,I4}、{I1,I3,I4}、{I1,I3,I5}、{I2,I3,I4}得：C3={{I1,I4,I5}，{I3,I4,I5}}。然后再扫描数据库D，计算各项集的支持度计数，如表10.5所示，从而得到频繁3-项集L3，如表10.6所示。*(4)L3进行自连接得到C4={{I1,I3,I4,I5}}，由于{I1,I3,I4,I5}的子集{I1,I3,I4,}不在L3中，因此删除{I1,I3,I4,I5}后C4=?，进而L4=?，算法终止。*10.3.2产生关联规则

利用如下公式来计算所获关联规则的置信度。其中，support_count(A?B)是包含项集A?B的交易记录数目，support_count(A)是包含项集A的交易记录数目。*利用频繁项集生成规则的算法描述如下：forall频繁k项集,k?2dobeginH1={中规则的后件，该规则的后件中只有一个项目}；Callap_genrules(,H1);end;Procedureap_genrules(：频繁项集,Hm：m个项目的后件的集合)*if(km+1)thenbeginHm+1=apriori_gen(Hm)forallhm+1?Hm+1dobeginconf=support()/support(-hm+1);if(conf?minconf)thenoutput规则-hm+1→hm+1withconfidence=confandsupport=support();*例10－2以表10.1所示数据为例，来说明关联规则的生成过程。频繁项集l={I1,I4,I5}，以下将给出根据l所产生的关联规则。L的非空子集为：{I1}、{I4}、{I5}、{I1,I4}、{I4,I5}和{I1,I5}。以下就是据此所获得的关联规则及其置信度。I1∧I4→I5confiden