数据挖掘原理与应用-以石油勘探开发为例 课件 7.1 基本概念

·基本概念·关联规则挖掘方法·挖掘频繁项集的模式增长方法·多种关联规则挖掘·关联模式评估7.1基本概念基

本

概

念含义找出所有包含B的规则找出所有包含A的规则找出所有包含AB的规则找出最好的K挑规则AB目的从数据库中发现频繁出现的多个相关联数据项的过程。

关联规则最早是由Agrawal等人于1993年针对购物篮分析问题提出的。不同商品的联系规则分析顾客购买习惯[Agrawal.1993.MiningAssociationRulesbetweenSetsofItemsinLargeDatabases]基

本

概

念1.项目集设I={i1,i2,…,im}是数据项（项目）的集合，即项目集，简称项集(Itemset)。2.事务数据库D是事务数据库，其中每个事务T是数据项I的子集，即T⸦I。每一个事务有一个标识符，称作TID，即D可以表示为{T1,T2,T3……}。3.k-项集k-项集是指集合中包含k个项的项集。如：{肥皂，毛巾}是一个2-项集。基

本

概

念基

本

概

念例题7-1购物篮的例子某商店里所有商品构成项目集I={牛奶，面包，鸡蛋，牙膏，肥皂，酸奶}购物记录组成一个事务数据库D={T1,T2,T3,T4,T5,T6}该库有6个事务，每个事务是I的子集T1={牛奶，面包，鸡蛋}是3-项集。TIDItemsT1牛奶，面包，鸡蛋T2牛奶，面包，牙膏，肥皂T3牙膏，面包，肥皂T4牙膏，肥皂T5牛奶，面包，鸡蛋，酸奶T6牛奶，面包，牙膏基

本

概

念频繁项集和关联规则

基

本

概

念频繁项集和关联规则设X={牛奶，面包}X的支持计数Support_count(X)=4X的支持度：Support(X)=4/6=66.6%TIDItemsT1牛奶，面包，鸡蛋T2牛奶，面包，牙膏，肥皂T3牙膏，面包，肥皂T4牙膏，肥皂T5牛奶，面包，鸡蛋，酸奶T6牛奶，面包，牙膏基

本

概

念频繁项集和关联规则1.频繁项集（大项集）支持度超过（包括等于）用户或领域专家设定的最小支持度阈值的项集。2.最大频繁项集（最大项集）频繁项集的所有超级都不是频繁项集。研究频繁模式得到关联规则和其他联系实际应用规则和联系基

本

概

念频繁项集和关联规则关联规则X

Y[s%,c%]

关联规则的前件关联规则的后件关联规则的支持度关联规则的置信度X

I，Y

I，X∩Y=

基

本

概

念频繁项集和关联规则关联规则的支持度频繁规则X

Y在事务数据库D中成立，有s%的事务包含X∪Y（即项集X和Y的并），即D中事务包含X∪Y的百分比，则称关联规则X

Y的支持度为s%，也就是支持度是一个概率值，表示为：Support(X

Y)=P(X∪Y)=(Support_count(X∪Y))/(|D|)基

本

概

念频繁项集和关联规则关联规则的置信度在规则X

Y在事务数据库D中的置信度为c%，表示D中包含X的事务同时也包含Y事务的百分比，也就是条件概率P(Y|X)，表示为：Confidence(X

Y)=P(Y│X)=(Support(X∪Y))/(Support(X))=(Support_count(X∪Y))/(Support_count(X))基

本

概

念例题7-2规则度量在例7-1购物篮中求出关联规则{牛奶}

{面包}（常写为规则：牛奶

面包）的支持度与置信度。TIDItemsT1牛奶，面包，鸡蛋T2牛奶，面包，牙膏，肥皂T3牙膏，面包，肥皂T4牙膏，肥皂T5牛奶，面包，鸡蛋，酸奶T6牛奶，面包，牙膏基

本

概

念例题7-2

Support(牛奶

面包)=P（牛奶∪面包）=4/6=66.6%Support(面包

牛奶)=P（面包∪牛奶）=4/6=66.6%Confidence(牛奶

面包)=p(面包│牛奶)=(P(牛奶∪面包))/(P(牛奶))=4/4=100%Confidence(面包

牛奶)=p(牛奶│面包)=(P(牛奶∪面包))/(P(面包))=4/5=80%即两个关联规则形式化表示为：牛奶

面包[66.6%,100%]；面包

牛奶[66.6%,80%]。TIDItemsT1牛奶，面包，鸡蛋T2牛奶，面包，