第二章 关联规则挖掘.ppt

第二章 关联规则挖掘 2.1 关联规则挖掘 2.2 挖掘单维布尔关联规则 2.3 挖掘多层关联规则 2.4 挖掘多维关联规则 2.1 关联规则挖掘 关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。 随着大量数据不停地收集和存储，人们对于从数据库中挖掘关联规则越来越感兴趣。从大量商业事务记录中发现有趣的关联关系，可以帮助许多商务决策的制定，如分类设计、交叉购物和促销分析等。 2.1 关联规则挖掘 如何从事务DB或关系DB的大量数据中挖掘出关联规则知识？ 什么样的关联规则才是最有意义的？ 如何才能使挖掘过程尽快发现有价值的关联规则知识？ 这就是本章要讨论的内容。 2.1 关联规则挖掘 1. 购物篮分析 购物篮分析是关联规则挖掘的最初形式。 假定作为某商店经理，你想更加了解你的顾客的购物习惯。例如：“顾客多半会在一次购物时同时购买什么商品组或集合？”，为解答这个问题，可以在商店顾客事务零售数据上运行购物篮分析。 分析的结果可用于市场规划、广告策划和分类设计。 2.1 关联规则挖掘－购物篮分析 若设商店中所有销售商品为一个集合，则每个商品均为一个布尔变量，表示该商品是否被(一个)顾客购买。因此每个购物篮就可以用一个布尔向量表示。 分析相应布尔向量，得到反映商品频繁关联或同时购买的购买模式，并可用关联规则的形式表示模式。例如，购买计算机也趋向于同时购买财务管理软件可用以下关联规则表示： 2.1 关联规则挖掘－购物篮分析 关联规则的支持度(support)2% 表示： 分析中的全部事务的2% 同时购买计算机和财务管理软件。 关联规则的置信度(confidence)60% 表示：购买计算机的顾客60% 也购买财务管理软件。 2.1 关联规则挖掘 2.基本概念 设 I={i1,i2,…,im} 是项的集合。 任务相关数据D：是事务（或元组）的集合。 事务T：是项的集合，且每个事务具有事务标识符TID。 项集A：是T 的一个子集，加上TID 即事务。 2.1 关联规则挖掘－基本概念 项集：项的集合，包含k个项的项集称为k-项集。 关联规则： 每个发现的模式都应当有一个表示其有效性的确定性度量，关联规则的确定性度量为： 2.1 关联规则挖掘－基本概念 置信度c: 置信度为100% 或1，意味着数据分析时，该规则总是对的，这种规则称为准确的。 2.1 关联规则挖掘－基本概念 【例1 】任务相关数据由某商店计算机部购买物品的事务数组成，一个置信度为80% 的关联规则： 意味着买计算机的顾客80% 也买软件。 2.1 关联规则挖掘－基本概念 一个模式潜在的有用性是定义其兴趣度的一个重要因素，可以用一个实用性函数(如支持度)来评估。关联规则的支持度是模式为真的任务相关数据的事务所占的百分比。 支持度s: 2.1 关联规则挖掘－基本概念 【例2 】例1中一个支持度为30% 的关联规则，意味着计算机部的所有顾客的30%,同时购买了计算机和软件。 支持度和置信度是两个兴趣度度量,分别反映发现规则的有用性和确定性。 支持度小：规则使用面窄 置信度小：规则无意义 2.1 关联规则挖掘－基本概念 满足最小支持度阈值和最小置信度阈值的关联规则被认为是有趣的。阈值由用户或专家设定。 强规则：同时满足用户定义的最小支持度阈值（min_sup）和最小置信度阈值(min_conf)的规则称为强规则。 为方便计，用0% 和100%之间的值表示支持度和置信度。 2.1 关联规则挖掘－基本概念 项集的频率：即包含项集的事务数，也称为项集的支持计数(support_count)。如果项集的出现频率大于或等于min_sup与D中事务总数的乘积，就称该项集满足最小支持度min_sup 。 频繁项集：满足最小支持度的项集称为频繁项集。频繁k-项集的集合通常记作Lk。 2.1 关联规则挖掘－基本概念 关联规则挖掘包含两个步骤： 1）找出所有频繁项集：根据定义，这些项集的频繁性至少和预定义的最小支持计数一样。 2）由频繁项集产生强关联规则：根据定义，这些规则必须满足最小支持度和最小置信度。 2.1 关联规则挖掘 3.关联规则挖掘分类 根据不同的标准，关联规则可以分成若干类型： (1)根据规则所处理的值的类型，关联规则可以分为布尔的和量化的 如果规则考虑的关联是项的在与不在，则它是布尔关联规则。例如，由购物篮分析得到的就是布尔关联规则。 2.1 关联规则挖掘－关联规则挖掘分类 如果规则描述的是量化的项或属性之间的关联，则它是量化关联规则。在这种规则中，项或属性的量化值划分为区间。例如，下面的规则就是量