数据挖掘 第6章--挖掘频繁模式、关联和相关性ppt课件

数据挖掘与商务智能 范勤勤物流研究中心 第二章挖掘频繁模式 关联和相关性 目录第一章 基本概念 4 购物篮分析 尿布与啤酒 5 购物篮分析 6 频繁项集 闭项集和关联规则 7 频繁项集 闭项集和关联规则 8 关联规则基本概念 示例 9 规则度量 支持度和置信度 Customerbuysdiaper Customerbuysboth Customerbuysbeer 10 关联规则挖掘过程 11 关联规则挖掘分类 12 关联规则挖掘分类 13 由事务数据库挖掘单维布尔关联规则 最小支持度50 最小置信度50 频繁项集挖掘方法 15 Apriori算法 通过限制候选产生发现频繁项集 16 Apriori算法 通过限制候选产生发现频繁项集 17 Apriori算法步骤 18 Apriori算法 示例 DatabaseTDB 1stscan C1 L1 L2 C2 C2 2ndscan C3 L3 3rdscan 19 使用Apiori性质由L2产生C3 20 由频繁项集产生关联规则 21 提高Apriori算法的效率 22 提高基于Apriori挖掘效率的算法 23 挖掘频繁项集的模式增长方法 24 挖掘频繁项集的模式增长方法 25 挖掘频繁项集的模式增长方法 26 挖掘频繁项集的模式增长方法 27 挖掘频繁项集的模式增长方法 I1 1 I3 1 I4 1 I3 1 I1 1 I2 1 I5 1 I3 1 I4 1 I5 1 2 3 4 2 2 5 2 2 6 3 7 4 2 28 挖掘频繁项集的模式增长方法 29 挖掘频繁项集的模式增长方法 30 挖掘频繁项集的模式增长方法 产生的频繁模式 31 挖掘频繁项集的模式增长方法 32 挖掘频繁项集的模式增长方法 产生的频繁模式 产生的频繁模式 条件模式基 条件FP树 I4 I2 I1 1 I2 I1 I3 1 I2 I1 1 I2 1 I5 I2 I5 2 I1 I5 2 I2 I1 I5 2 I2 I4 2 33 挖掘频繁项集的模式增长方法 34 挖掘频繁项集的模式增长方法 产生的频繁模式 产生的频繁模式 项 条件模式基 条件FP树 I4 I3 I2 I1 1 I2 I1 I3 1 I2 I1 1 I2 1 I2 I1 2 I2 2 I1 2 I2 I5 2 I1 I5 2 I2 I1 I5 2 I2 I4 2 I2 I3 4 I1 I3 4 I2 I1 I3 2 I5 35 挖掘频繁项集的模式增长方法 36 挖掘频繁项集的模式增长方法 37 挖掘频繁项集的模式增长方法 项 条件模式基 条件FP树 I4 I3 I1 I2 I1 1 I2 I1 I3 1 I2 I1 1 I2 1 I2 I1 2 I2 2 I1 2 I2 4 I2 I5 2 I1 I5 2 I2 I1 I5 2 I2 I4 2 I2 I3 4 I1 I3 4 I2 I1 I3 2 I2 I1 4 I5 38 挖掘频繁项集的模式增长方法 39 使用垂直数据格式挖掘频繁项集 DatabaseTDB L1 L2 L3 40 挖掘闭模式和极大模式 模式评估方法 42 强规则不一定是有趣的 43 由关联分析到相关分析