数据挖掘学习笔记:关联规则3

ARCS过程中的步骤包括

1. 分箱（根据不同分箱方法创建一个2-D数组），本步骤的目的在于减少量化属性相对应的巨大的值个数，使得2-D栅格的大小可控
   
   • 等宽分箱
   • 等深分箱
   • 基于同质的分箱
2. 找出频繁谓词集
   
   • 扫描分箱后形成的2-D数组, 找出满足最小支持度和置信度的频繁谓词集
     

ARCS的局限性

• 所挖掘的关联规则左手边只能是量化属性
• 规则的左手边只能有两个量化属性(2-D栅格的限制)

• 一种基于栅格的, 可以发现更一般关联规则的技术, 其中任意个数的量化属性和分类属性可以出现在规则的两端

  1. 等深分箱动态划分
  2. 根据部分完全性的度量进行聚类

  挖掘基于距离的关联规则

  

关联规则的兴趣度度量

1. 客观度量
   
   • 两个流行的度量指标
   • -支持度
   • -置信度
2. 主观度量
3. 挖掘了关联规则后, 哪些规则使用户感兴趣的? 强关联规则是否就是有趣的?

对强关联规则的批评