哈尔滨医科大学《数据挖掘》第6章 关联分析.pptVIP

所以，当我们保证h置信度值超过hc时，就可以消除交叉支持模式。 除可以消除交叉支持模式外，h置信度还具有反单调性的特点，所以可以直接并入挖掘算法。 此外，h置信度能够确保项集中的项之间是强关联的。即超团模式（ hyperclique pattern） 习题 考虑下表中的数据 (a)计算项集{e},{b,d}和{b,d,e}的支持度. (b)利用(a)计算的结果，计算关联规则{b,d}={e}和{e}={b,d}的置信度。置信度是对称的度量吗？ 习题 考虑如图所示的候选3-项集的Hash树 (a)给定一个包含项{1,3,4,5,8}的事务，在寻找该事务的候选项集时，访问了Hash树的哪些叶节点? (b)使用(a)中访问的叶节点确定事务{1,3,4,5,8}包含的候选项集。 习题 习题 将Apriori算法用于下表所示的数据集，最小支持度为30%. 习题 (a)画出数据集的项集格。并用以下字母标记格中的每个节点。N：不是候选项集；F：频繁项集；I：经支持度计数后，发现是非频繁的候选项集。 (b)频繁项集的百分比是多少？ (c)Apriori算法的剪枝率是多少？ (d)假警告率是多少？(假警告率指经过支持度计算后被发现是非频繁的候选项集所占的百分比。) 习题 考虑下面的相依表 (a)对于表I，计算关联模式{A,B}的支持度，兴趣度和φ相关系数，并计算规则A→B和B→A的置信度。 (b)对于表II ，计算关联模式{A,B}的支持度，兴趣度和φ相关系数，并计算规则A→B和B→A的置信度。 (c)由(a)和(b)的结果可以得出什么结论。 FP增长（FP-growth）算法 发现以e结尾的频繁项集的任务： 收集包含e结点的所有路径。——前缀路径 通过把与e相关联的支持度计数相加得到e的支持度计数。 如果e是频繁的，则解决发现以de、ce、be和ae结尾频繁项集的子问题。先将前缀路径转化为条件FP树,步骤如下： 更新前缀路径上的支持度计数。 删除e的结点，修剪前缀路径。 删除不频繁项。 FP增长使用e的条件FP树来解决发现以de,ce,be和ae结尾的频繁项集的子问题。 FP增长（FP-growth）算法 6.7 关联模式的评估（Pattern Evaluation） 关联分析算法往往产生大量的规则，而其中很大一部分可能是不感兴趣的。 因此，建立一组广泛接受的评价关联模式质量的标准是非常重要的。 第一组标准可以通过统计论据建立。涉及相互独立的项或覆盖少量事务的模式被认为是不令人感兴趣的，因为它们可能反映数据中的伪联系。 这些令人感兴趣的模式可以使用客观兴趣度度量来排除。 第二组标准可以通过主观论据建立。一个模式被主观认为是无趣的，除非它能够揭示料想不到的信息或提供导致有益的行动的有用信息。 例如：{黄油} ?{面包}可能不是有趣的，尽管有很高的支持度和置信度，但是它表示的关系显而易见。另一方面，规则{尿布} ?{啤酒}是有趣的，因为这种联系十分出乎意料，并且可能为零售商提供新的交叉销售机会。 将主观知识加入到模式的评价中是一项困难的任务，因为需要来自领域专家的大量先验信息。 兴趣度客观度量(objective interestingness measure) 客观兴趣度度量使用从数据推导出的统计量来确定模式是否是有趣的。 客观兴趣度度量的例子包括支持度、置信度、相关性。 给定一个规则 X ? Y, 我们可以构建一个相依表（contingency table）。 Y Y X f11 f10 f1+ X f01 f00 fo+ f+1 f+0 |T| Contingency table for X ? Y 支持度-置信度框架的局限性 现有的关联规则的挖掘算法依赖于支持度和置信度来除去没有意义的模式。 例子：假定希望分析爱喝咖啡和爱喝茶的人之间的关系。收集一组人关于饮料偏爱的信息，并汇总到下表6-8。 Coffee Coffee Tea 150 50 200 Tea 650 150 800 800 200 1000 支持度-置信度框架的局限性 可以使用表中给出的信息来评估关系规则{茶} ?{咖啡}。 似乎喜欢喝茶的人也喜欢喝咖啡，因为该规则的支持度（15%）和置信度（75%）都相当高。 但是所有人中，不管他是否喝茶，喝咖啡的人的比例为80%。这意味着，一个人如果喝茶，则他喝咖啡的可能性由80%减到了75%。 置信度的缺点在于该度量忽略了规则后件中项集的支持度。 由于支持度-置信度框架的局限性，各种客观度量已经用来评估关联模式。下面，简略介绍这些度量并解释它们的优点和局限性。 兴趣因子 相关分析 IS度量 兴趣因子 茶和咖啡的例子表明，由于置信度度量忽略了规则后件中出现的项集的支持度，高置信度的规则有时存在误导。 解决这