欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  数据库

《数据挖掘概念与技术》学习笔记第6章(6/10)挖掘大型数据库中的

程序员文章站 2024-04-04 10:17:53
...

项目集 :项的集合,记为 I 。牛奶,面包,苹果, etc 事 务 :事务 T 是 I 中的一组项目的集合,每个事务都有个一个 TID 作为标识符号。 项目集 X 的支持度 Sup(X)=Count(X)/|D| 关联规则 X-Y 的支持度 Sup(X-Y)=Count(X-Y)/|D| 关联规则 X-Y 的置信度 Conf

项目集:项的集合,记为I。牛奶,面包,苹果,etc

:事务TI中的一组项目的集合,每个事务都有个一个TID作为标识符号。

项目集X的支持度

Sup(X)=Count(X)/|D|

关联规则X->Y的支持度

Sup(X->Y)=Count(X->Y)/|D|

关联规则X->Y的置信度

Conf(X->Y)=Count( X->Y)/Count(X)

步骤:

1 找出所有频繁项集

2 有频繁项集产生强关联规则

算法之Apriori算法

核心思想

频繁1-项集then关联规则then剪枝
then
频繁2-项集then关联规则then剪枝
then
频繁3-项集then关联规则then剪枝
……

重复此过程直到做不下去为止

算法实现 以后单独写出

改进措施 FP(Frequent Pattern Growth) 频繁模式增长

多层关联规则

基本思想:

自顶向下,在每个概念层找寻频繁项集。然后①在该层发掘关联规则②适当剪枝,向下进入更具体的一层。

可选方案:

1 使用一致的最小支持度

2使用递减的最小支持度

3 逐层独立

4 层交叉单项过滤

5 曾交叉k-项集过滤

多维关联规则

涉及两个或者多个维的关联规则

e.g age(X, “IBM desktop computer”)^occupation(“drive”r)=>buys(X, ”laptop”)

多维关联规则注意

强关联规则不一定是有趣的。比如,

buys(X, “computer games”)=>buys(X, “videos”) [Support=40%, confidence= 66%]

推导出来的结果可能是满足支持度和置信度的,但是却不是有趣的。

因为可能实际上不购买computer games而去购买video的人有75%,而同时购买了computer gamesvideos的人只有66%,说明其实computer gamesvideos是负相关。