本文介绍了频繁模式挖掘的概念，包括频繁模式、关联规则、封闭模式和最大模式，详细讲解了Apriori、FP-Growth和ECLAT等挖掘算法。同时，概述了分类的基本概念，如监督学习和无监督学习，讨论了决策树、贝叶斯分类以及基于规则的分类方法，并涉及模型评价与选择的指标。
目录
2.1 Frequent Pattern Mining频繁模式挖掘
What Is Frequent Pattern Analysis?什么是频繁模式分析?
Basic Concepts: Frequent Patterns基本概念:频繁模式
Basic Concepts: Association Rules基本概念:关联规则
Closed Patterns and Max-Patterns封闭模式和最大模式
Scalable Frequent Itemset Mining Methods可扩展的频繁项集挖掘方法
Which Patterns Are Interesting?-pattern Evaluation Methods哪些模式有趣?-模式评价方法
Classinication—A Two-Step Process分类-两步过程
Bayes Classification Methods贝叶斯分类方法
Rule-Based Classification基于规则的分类
Model Evaluation and Selection模型评价与选择
记录点：利用T/F、P/N计算准确度、错误率、精度、召回的4个公式
2.1 Frequent Pattern Mining频繁模式挖掘
What Is Frequent Pattern Analysis?什么是频繁模式分析?
频繁模式的挖掘
Basic Concepts: Frequent Patterns基本概念:频繁模式
K项集，当k=1的时候为一项集
X集合里面某个x出现的频率
(relative) support指的是x出现的比例
Basic Concepts: Association Rules基本概念:关联规则
简写为s，支持度，X和Y同时出现
，置信度，X出现的情况下XY同时出现，是条件概率
频繁的一项集
看草稿3来理解这俩的区别，跳转草稿
Closed Patterns and Max-Patterns封闭模式和最大模式
小卖铺说这里是重点
closed itemset第一个条件是frequent，第二个条件是不存在更大集合，和它有相同支持度（如果该集合包含所有元素，那么肯定不存在“更大”，所以就算支持度是1它也是closed itemset）
max-pattern尽可能包含最多的集合
由这张图看出，closed itemset可能不止一个，closed itemset包含了max-pattern，我猜的
closed itemset set是all patterns简洁的表现形式
Scalable Frequent Itemset Mining Methods可扩展的频繁项集挖掘方法
理解红字很简单，想想就知道了，ABC三个东西出现都算频繁了，单个东西出现肯定更频繁
Apriori主打的就是一个反证法，降低没必要的生成成本
记住自连接的符号
为了保证不漏掉，abcde要按顺序列出来
最后是abcd，因为从中任取三个都有
看懂左图很简单，C1到L1、C2到L2都是选出大于2的，C1是1项集，C2是2项集
和上一张图对比就是要多理解一个C3，也不难理解，C3中每一个集合里任意两个元素的搭配在L2中都有出现就行
记录点：Apriori算法
最后得到数据库频繁三角集（？可能听错了
上图就是规范答题
接下来的伪代码需要记住，考试可能会考
详见草稿4，跳转草稿
这个算法的计算开销比较大
Candidates是候选集
虽然有剪枝，但是生成的大量数据候选集要测试
不是apriori的改进，单纯只是另外一种办法
有点像深度搜索过程
Abc取出来单独成库，在这个库里d是频繁的，那abcd就是频繁的，就像这样不断地迭代增长
记录点：FP-Growth算法
有点抽象，往下看
自己理解比看PPT好，详见草稿5，跳转草稿，伪代码也放草稿里了
这两张不用管，就是讲解过程而已
看不懂直接看下面的例子，非常好懂
记录点：ECLAT算法
Which Patterns Are Interesting?-pattern Evaluation Methods哪些模式有趣?-模式评价方法
新公式，提升度，这个看文字描述、不用看上面的打篮球例子
记录点：Lift相关计算
用
来描述上面这张图，可以把
表示成分子1/9，分母(7/9)*(3/9)
2.2 Classification分类
Basic Concepts基本概念
无监督到2.3 2.4再细讲
记录点：监督/无监督学习
Classinication—A Two-Step Process分类-两步过程
小卖铺说这是重点
Decision tree induction决策树归纳
所以不是所有属性都需要拿来作为判定条件的（用够了就可以停止分区），重点关注与最后想要的yes no答案关联更大的
这是构造的原理，构造的流程
记录点：基本算法：贪心算法
“信息增益”法来找根节点
红字的意思就是上面那个决策树中第一个分水岭——年龄范围，的意思
D表示某个data set，不同的类别用Ci来表示，在一个D中某个object属于C的概率就是p
看不懂公式，还是直接看下面的例子吧
选Gain更大的为根节点，有点东西写在草稿6，跳转草稿
记录点：选决策树的根节点
I(9,5)统计的是14个中yes有9个
用“信息增益”法来找根节点有一个致命问题，那就是会有不确定性，举个例子，如果每个人都有一个属于自己的id号，那么用id号划分“信息增益”相关度肯定很大，但是想想肯定不可以拿id号的不同直接划分，会把集合划分得非常散
这个时候就要用到“增益比”
Bayes Classification Methods贝叶斯分类方法
贝叶斯公式解决的问题和全概率是相反的，解决的是当X出现的时候，造成X出现的原因是什么
条件概率就是后验概率
贝叶斯原理：计算所有的后验概率，选最大的后验概率，作出X属于哪个类别的判断
其实我没搞懂它和找根节点有什么关系
只找分子
还是之前的数据
认真看，字多但是不难懂
X=（A条件，B条件……|大条件）就是分别的条件占大条件的数的相乘
得到这个结果再乘以大条件的概率
连乘有0结果就0了，所以只能说是朴素贝叶斯
拉普拉斯修正法：每个类别的案例+1，总数也加对应数量的1（总数不止加一个1）
记录点：对朴素贝叶斯的零概率事件的拉普拉斯修正法
Rule-Based Classification基于规则的分类
感觉不是什么新知识，就是把决策树换成上面那个example的样式，方便计算机理解
这里的终止条件和前面的停止分区的条件差不多，还多了一个，如果剩下的规则质量低也可以停
我看老师讲的大概意思是，不停地找规则，每个新规则就能覆盖一部分例子，直到找的规则加起来能覆盖所有的例子
记录点：“规则”的使用简述
同时，这些规则也不能包括不符合的数字
此gain不是之前的gain, pos’是指增加一个属性之后pos的个数
high accuracy体现在用了前后对数相减
生成出来的规则还要进行剪枝，原因是生成的规则对目前的数据表现良好，但对没有使用到的数据就不一定好了（不懂在说什么，背公式就对了），评判哪条规则需要出去就是剪枝
判断是否要剪掉，如果去掉某条规则之后，
更高了，就要去掉这条规则
记录点：规则剪枝公式
Model Evaluation and Selection模型评价与选择
第一个表格的意思是，（竖排）真实的情况是/否为C1，（横排）预测的情况是/否为C1，统计每条结果，总数写在表格里
这里的是/否看成阳性/阴性，会更好理解，举例举核酸
这四个公式对应左上图就好理解了
记录点：利用T/F、P/N计算准确度、错误率、精度、召回的4个公式
记录点：数据集拆成训练集和测试集的方法
Holdout method就是把数据拆成一部分作为训练集，另一部分作为测试集，random sampling指的是这个拆数据的比例根据要求每次都调整变化
Cross validation就是假如k是10，从就把数据均分为10份，从第一份开始，训练其它9个，用该第1个作测试，以此类推，每份数据都能又作为训练又作为测试
这个方法针对数据比较少的数据集
有回放的随机均匀采样
（看这个课件感觉0.368是固定数）公式直接套
扫一扫
1461
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
