商务智能与数据挖掘 - 关联分析

基本概念

规则度量：支持度和置信度

频繁项集、闭项集基本概念

• 项的集合称为项集
• K项集：包含k个项的集合
• {牛奶，面包，黄油}是个3项集 项集的出现频度是指包含项集的事务数
• 如果项集的出现频度大于（最小支持度×D中的事务总 数），则称该项集为频繁项集
• 项集X在数据集D中是闭的，即不存在真超项集Y使得Y 与X在D中具有相同的支持度计数，则项集X是数据集D 中的闭项集
• 闭频繁项集
• 极大频繁项集：该模式的任何真超模式都是非频繁的

由事务数据库挖掘单维布尔关联规则

Apriori算法

原理

如果某个项集是频繁项集，那么它所有的子集也是频繁的。即如果 {0,1} 是频繁的，那么 {0}, {1} 也一定是频繁的

例子

挖掘频繁项集的模式增长方法

• 频繁增长模式适应了分治策略，如下所示：
• 将代表频繁项集的数据库压缩到一颗频繁模式树（FPtree），该树仍保留项集的关联信息。
• 把这种压缩后的数据库分解成一组条件数据库, 每个数 据库关联一个频繁项或“模式段”并且分别挖掘每个条件 数据库
  
  
  
  

挖掘闭模式和极大模式

• 挖掘方法：
• 挖掘频繁项集的完全集，再删除具有相同支持度且是 某一集合子集的频繁集
• 直接搜索闭频繁项集，但要求一旦识别闭项集就尽快 对搜索空间剪枝，剪枝策略如下：
  – 项合并
  – 子项集剪枝
  – 项跳过