大型数据库中的关联规则挖掘.ppt_第1页
大型数据库中的关联规则挖掘.ppt_第2页
大型数据库中的关联规则挖掘.ppt_第3页
大型数据库中的关联规则挖掘.ppt_第4页
大型数据库中的关联规则挖掘.ppt_第5页
已阅读5页，还剩28页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

第四章 关联规则挖掘,关联规则挖掘： 从事务数据库，关系数据库和其他信息存储中的大量数据的项集之间发现有趣的、频繁出现的模式、关联和相关性。 应用： 购物篮分析、分类设计、捆绑销售等,“尿布与啤酒”典型关联分析案例,采用关联模型比较典型的案例是“尿布与啤酒”的故事。在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，超市也因此发现了一个规律，在购买婴儿尿布的年轻父亲们中，有30%40%的人同时要买一些啤酒。超市随后调整了货架的摆放，把尿布和啤酒放在一起，明显增加了销售额。同样的，我们还可以根据关联规则在商品销售方面做各种促销活动。,一、基本概念,给定： 项的集合：I=i1,i2,.,in T=t1,t2tn是数据库中事务的集合，每个事务ti则是项的集合，使得 则 为T中的关联规则。 其中 并且,规则度量：支持度和置信度,Customer buys diaper,Customer buys both,Customer buys beer,对所有满足最小支持度和置信度的关联规则 支持度s是指事务集T中包含 的百分比 置信度c是指T中包含A同时也包含B的事务占包含A的事务的百分比 最小支持度 min_sup 最小置信度 min_conf,强关联规则：如果事务集合T中的关联规则A B同时满足support(AB)min_sup, confidence(AB)min_conf, 则AB称为T中的强关联规则。 关联规则挖掘就是在事务集合中挖掘强关联规则。,k项集：包含k个项的集合 牛奶，面包，黄油是个3项集 如果K项集的频率(即支持计数)大于最小支持计数（最小支持度T中的事务总数n），则称该项集为频繁K项集,二、关联规则挖掘步骤,大型数据库中的关联规则挖掘包含两个过程： 找出所有频繁项集 大部分的计算都集中在这一步 由频繁项集产生强关联规则 即满足最小支持度和最小置信度的规则,Apriori算法 定理一 如果某k-项集不是频繁k-项集，则包含IK的(k+1)-项集也不是频繁(k+1)-项集。该性质称为Apriori性质。,由事务数据库挖掘单维布尔关联规则,最简单的关联规则挖掘，即单维、单层、布尔关联规则的挖掘。,最小支持度 50% 最小置信度 50%,对规则A C，其支持度 置信度,Apriori算法思想,一.扫描一次事务集合，找出频繁1项集集合L1； 二.基于L1，产生候选2项集集合C2，再扫描一次事务集合，比较候选支持计数与最小支持计数，找出频繁2项集L2； 三.基于L2，找出C3，作剪枝运算，得到剪枝后的
人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论