《关联规则挖掘举例.ppt》由会员分享，可在线阅读，更多相关《关联规则挖掘举例.ppt（16页珍藏版）》请在三一办公上搜索。
1、关联规则挖掘举例,对于规则 AC：支持度=support(A,C)=50%置信度=support(A,C)/support(A)=66.6%,假设最小值支持度为50%，最小置信度为50%,规则AC满足最小支持度和最小置信度，所以它是强关联规则,关联规则挖掘的步骤,关联规则挖掘是一个两步的过程：找出所有频繁项集由频繁项集产生强关联规则，这些规则必须大于或者等于最小支持度和最小置信度,大于或者等于最小支持度的项集,Apriori算法,Apriori算法是一种经典的生成布尔型关联规则的频繁项集挖掘算法。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
2、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置信度的规则。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。,Apriori算法的重要性质,性质1：频繁项集的子集必为频繁项集性质2：非频繁项集的超集一定是非频繁的,假设项集A,C是频繁项集，则A和C也为频繁项集,假设项集D不是频繁项集，则A,D和C,D也不是频繁项集,Apriori算法举例,现有A、B、C、D、E五种商品的交易记录表，找出所有频繁项集，假设最小支持度=50%,最小置信度=50%,Apriori算法举例_产生频繁项集,K=1,支持度50,Apriori算法举例_产生频繁项集,Apriori算法举例_
3、产生关联规则,对于频繁项集B,C,E,它的非空子集有B、C、E、B,C、B,E、C,E。以下就是据此获得的关联规则及其置信度。,置信度50%(最小置信度)，都是强关联规则,Apriori算法弊端,需要多次扫描数据表如果频繁集最多包含10个项，那么就需要扫描交易数据表10遍，这需要很大的I/O负载产生大量频繁集若有100个项目，可能产生候选项数目,FP-growth算法,Jiawei Han等人在2000年提出了一种基于FP-树的关联规则挖掘算法FP_growth，它采取“分而治之”的策略，将提供频繁项目集的数据库压缩成一棵频繁模式树（FP-树）。仅两次扫描数据库。理论和实验表明该算法优于Apr
4、iori算法。,FP-growth算法,其他关联规则挖掘算法,约束性关联规则挖掘算法仅设置支持度和置信度阈值，缺乏用户控制，可能产生过多的规则，实际效果可能并不好。用户关心的是某些特定的关联规则，这需要把一些约束条件引入到挖掘算法中，从而筛选出符合约束条件的有用规则，提高算法的运行效率和用户满意度。增量式关联规则挖掘算法数据集不断增长，有新的数据加入后，重新挖掘很费时。增量式关联规则挖掘算法是当数据库变化后，在原挖掘结果的基础上生成新的关联规则，删除过时的关联规则。多层关联规则挖掘,关联规则的价值衡量,客观上，使用“支持度和置信度”框架可能会产生一些不正确的规则。只凭支持度和置信度阈值未必总能
5、找出符合实际的规则。,例：歌曲A、歌曲C为小众歌曲，歌曲B为口水歌，共有10万个用户，有200个人听过歌曲A，这200个人里面有60个听过口水歌B，有40个人听过歌曲C。听过歌曲C的人数是300，听过口水歌B的人为50000。,Confidence(AB)=0.3，Confidence(AC)=0.2,但是10W人里面有5W听过歌曲B，有一半的用户都喜欢歌曲B，但听过歌曲A的人里面只有30%的人喜欢歌曲 B,听过歌曲A的人不喜欢歌曲B,貌似A和B更相关,矛盾的规则，如何评价？,关联规则价值衡量,提升度,Lift(AB)=Confidence(AB)/Support(B)=,引入提升度Lift，
6、以度量此规则是否可用。它描述的是：相对于不用规则，使用规则可以提高多少。Lift(AB)=Confidence(AB)/Support(B)=0.3/0.5=0.6Lift(AC)=Confidence(AC)/Support(C)=0.2/(300/100000)=66.7歌曲A与B负相关，A与C正相关。Lift大于1，表示使用这条规则进行推荐能提升用户听歌曲C的概率。Lift小于1，则表示使用这条规则来进行推荐，还不如不推荐，让顾客自行选择好了。,Confidence(AB)=0.3Confidence(AC)=0.2Support(B)=0.5Support(C)=300/100000,关联规则的价值衡量,主观上，一个规则的有用与否最终取决于用户的感觉，只有用户才能决定规则的有效性、可行性。所以，应该将需求和关联规则挖掘方法紧密地结合起来。例如使用“约束性关联规则挖掘算法”，将约束条件与算法紧密结合，既能提高数据挖掘效率，又能明确数据挖掘的目标。,The endjingwhale,
