数据挖掘与数据仓库概述.PDF

数据挖掘与数据仓库概述 数据挖掘与数据仓库概述 杜孝平@ 北航软件学院 xpdu@ 1 Example 1 Example 1 找出下列零售记录中，一同被销售的概率超过50%的所 有商品集合 销售ID 销售商品代号 100 {a, c, d} {a, c, d} 200 {b, c, d} {b, c, d} 300 {b, c} {b, c} 枚举？扫描几次数据集？(传统的统计方法？) 还有其他更好的方法? 2 Example 1 Example 1 销售ID 销售商品代号 枚举法1(扫描一次数据集) ： 100 {a, c, d} {a, c, d} 100: a:1 c:1 d:1 ac:1 ad:1 cd:1 acd:1 200 {b, c, d} {b, c, d} 200: b:1 c:1 d:1 bc:1 bd:1 cd:1 bcd:1 300 {b, c} 300: b:1 c:1 bc:1 {b, c} ⇓ a b c d ab ac ad bc bd cd abc abd acd bcd abcd 1 2 3 2 0 1 1 2 1 2 0 0 1 1 0 √√ √ √ √ 66.7 ％的顾客同时购买{b,c}和{c,d}：2/3=66.7% 100%的顾客在买{b}时也买{c}: {b}={c} [s=2/3=66.7%, c=100%] 66.7%的顾客在买{c}时会买{b}：{c}={b} [s=66.7%, c=66.7%] 100%的顾客在买{d}时也买{c}: {d}={c} [s=66.7%, c=100%] 66.7%的顾客在买{c}时会买{d}：{c}={d} [s=66.7%, c=66.7%] 3 Example 2 Example 2 某超市在销售100种不同的商品，如何能够快速找 出过去顾客的购买行为模式？ 哪些商品顾客常常喜欢一起购买？ 哪些商品顾客一定一起购买？ 枚举？ 潜在的商品组合数＝2100 －1≈1030 30 6 12 6 10 byte ＝10 ×10 T ＝10 TT byte(天文数字