数据挖掘中的模式发现（五）挖掘多样频繁模式

挖掘多层次的关联规则(Mining Multi-Level Associations)

定义

项经常形成层次。

如图所示

那么我们可以根据项的细化分类得到更多有趣的模式，发现更多细节的特性。

Level-reduced min-support

使用的是Level-reduced min-support方法来设置最低支持度，即，越低的层有着越低的支持度。

假设我们使用的是统一的最低支持度，那么如果支持度过低，低层的频繁项集就会较少，导致很多特性显示不出来；如果支持度过高，高层的频繁项集就过多，导致过多无用的特性被展示出来。

group-based “individualized” min-support

不同种类的物品对应的最低支持度应该是不同的，比如钻石等贵重物品出现的频率肯定是低于牛奶面包等日常用品的。

所以应该分组设置最低支持度。

Shared multi-level mining

使用最低层次的支持度来计算和传递候选集。也就是使用的是所有层中支持度最小的。

因为这样可以保证挖掘出的关联规则不会减少。

冗余规则(redundant rules)

挖掘多层关联规则时，由于项之间的“父子”关系，有些发现的规则是冗余的。

例如

已知，$1\over 4$的milk销售的是2%milk。

$milk\rightarrow wheat bread$ [support = 8%, confidence = 70%]
$2\% milk\rightarrow wheat bread$ [support = 2%, confidence = 72%]

我们可以发现，第一个规则是第二个规则的祖先。而我们可以根据第一个规则的值以及比例放缩，计算出第二个规则的期望。而如果一个规则的支持度和置信度都接近“期望值”，那么我们称之为冗余规则。

挖掘多维度的关联规则(Mining Multi-Dimensional Associations)

• 单维规则：
  
  • $buys(X, "milk")\rightarrow buys(X, "bread")$
  • 可写成形如$milk\rightarrow bread$的boolean关联规则
• 多维规则：2维 或者 断言
  
  • 维间关联规则 (no repeated predicates)
    
    • $age(X,"19-25")\land occupation(X,"student")\rightarrow buys(X,"coke")$
  • 混合维关联规则 (repeated predicates)
    
    • age(X,"19−25")∧buy