数据挖掘学习笔记3: 关联规则2

多层关联规则

• 数据项中经常会形成概念分层
• 底层的数据项,其支持度往往也较低
• 在适当的等级挖掘出来的数据项之间的关联规则可能是非常有用的
• 通常, 事务数据库中的数据也是根据维和概念分层进行储存的
• 在多个抽象层挖掘关联规则, 并在不同的抽象层进行转化. 是数据挖掘系统应该提供的能力

挖掘多层关联规则的方法

一直支持度vs递减支持度

1. 一直支持度: 对所有层都是用以致最小支持度
   
   • 优点: 搜索时容易采用优化策略, 即一个项如果不满足最小支持度, 他的所有子项都可以不用搜索
   • 缺点: 最小支持度值设置困难
   • • 太高: 将丢带出现在较低抽象层中有意义的关联规则
   • -太低: 会在叫高层产生太多的无兴趣规则
   • 递减支持度:在较低层使用递减的最小支持度
   • －抽象层越低，　对应的最小支持度越小
     

搜索策略

• 具有递减支持度的多层关联规则的3种搜索策略
  
  1. 逐层独立: 完全的宽度(广度)搜索, 没有频繁项集的背景知识用于剪枝
  2. 层交叉单项过滤: 一个第i层的项被考察, 当且仅当它在第(i-1)层的父节点是频繁的
  3. 层交叉k项集过滤: 一个第i层的k项集被考察, 当且仅当它在第(i-1)层的对应父节点k-项集是频繁的()