第六章：关联规则 《数据挖掘与相关知识发现》 .pptVIP

2003-11-1 高等教育出版社 数量关联规则（续） 可以利用关联规则聚集系统ARCS（Association Rule Clustering System）来发现数据关联规则。ARCS包括分箱、查找频繁项集、聚集和优化。ARCS的核心在于将量化属性映射到2-D栅格上，然后有哪些信誉好的足球投注网站栅格形成数据点的聚类，从而产生关联规则。 具体步骤如下：分箱、生成频繁项集、聚类。 关联规则聚集系统ARCS 基于距离的关联规则 数量关联规则先用分箱的方法将数量属性离散化，然后将结果区间聚合。由于分箱的方法未考虑数据点之间或区间之间的相对距离，因此不能体现区间数据的语义。 基于距离的关联规则挖掘紧扣区间数据的语义，同时允许数据值的临近，划分使得关联规则可以表达这种接近性。 基于距离的关联规则 基于距离的关联规则算法分两趟扫描。 第一趟扫描使用聚类找出区间或簇； 第二趟有哪些信誉好的足球投注网站频繁出现的簇组，得到基于距离的关联规则。 第六章：关联规则 6.1 引言 6.2 关联规则基本模型 6.3 多级关联规则与多维关联规则 6.4 关联规则价值衡量与发展 本章小结 规则价值衡量 对关联规则的评价与价值衡量涉及两个层面：系统客观的层面和用户主观的层面。 系统客观层面 使用“支持度和信任度”框架可能会产生一些不正确的规则。如果把支持度和信任度设得足够低，就可能得到矛盾的规则。如果把阈值设得过高，就可能得到不符合实际的规则。因此，只凭支持度和信任度阈值未必总能找出符合实际的规则。 * * 第六章：关联规则 6.1 引言 6.2 关联规则基本模型 6.3 多级关联规则与多维关联规则 6.4 关联规则价值衡量与发展 本章小结 第六章：关联规则 6.1 引言 6.2 关联规则基本模型 6.3 多级关联规则与多维关联规则 6.4 关联规则价值衡量与发展 本章小结 关联规则简介 关联规则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。 典型的关联规则发现问题是对超市中的货篮数据（Market Basket）进行分析。通过发现顾客放入货篮中的不同商品之间的关系来分析顾客的购买习惯。 第六章：关联规则 6.1 引言 6.2 关联规则基本模型 6.3 多级关联规则与多维关联规则 6.4 关联规则价值衡量与发展 本章小结 关联规则基本模型 IBM公司Almaden研究中心的R.Agrawal首先提出关联规则模型，并给出求解算法AIS。随后又出现了SETM和Apriori等算法。其中，Apriori是关联规则模型中的经典算法。 关联规则基本模型（续） 关联规则就是支持度和信任度分别满足用户给定阈值的规则。 发现关联规则需要经历如下两个步骤： 找出所有频繁项集。 由频繁项集生成满足最小信任度阈值的规则。 Apriori算法的步骤 Apriori算法命名源于算法使用了频繁项集性质的先验（Prior）知识。 Apriori算法将发现关联规则的过程分为两个步骤： 通过迭代，检索出事务数据库中的所有频繁项集，即支持度不低于用户设定的阈值的项集； 利用频繁项集构造出满足用户最小信任度的规则。 挖掘或识别出所有频繁项集是该算法的核心，占整个计算量的大部分。 频繁项集 为了避免计算所有项集的支持度（实际上频繁项集只占很少一部分），Apriori算法引入潜在频繁项集的概念。若潜在频繁k项集的集合记为Ck ，频繁k项集的集合记为Lk ，m个项目构成的k项集的集合为 ， 则三者之间满足关系Lk ?Ck ? 。构成潜在频繁项集所遵循的原则是“频繁项集的子集必为频繁项集”。 关联规则的性质： 性质6.1 频繁项集的子集必为频繁项集。 性质6.2 非频繁项集的超集一定是非频繁的。 Apriori算法运用性质6.1，通过已知的频繁项集构成长度更大的项集，并将其称为潜在频繁项集。潜在频繁k项集的集合Ck 是指由有可能成为频繁k项集的项集组成的集合。以后只需计算潜在频繁项集的支持度，而不必计算所有不同项集的支持度，因此在一定程度上减少了计算量。 Apriori算法 (1) L1={频繁1项集}; (2) for(k=2;Lk-1??;k++) do begin (3) Ck=apriori_gen(Lk-1); //新的潜在频繁项集 (4) for all transactions t?D do begin (5) Ct=subset(Ck,t); //t中包含的潜在频繁项集 (6) for all candidates c?Ct do (7) c.count++; (8) end;