浙大数据挖掘5关联挖掘.pptx

挖掘频繁模式、关联和相关;什么是频繁模式分析？;频繁模式挖掘的重要性;购物篮分析;关联规则：基本概念;规则度量：支持度和置信度;基本概念——示例;频繁项集;关联规则挖掘 的两步过程;闭频繁项集和极大频繁项集;关联规则挖掘分类 (1);关联规则挖掘分类 (2);关联规则挖掘分类 (3);关联规则挖掘分类 (4);由事务数据库挖掘单维布尔关联规则;Apriori算法 (1);Apriori算法 (2);Apriori算法步骤;Apriori算法——示例;使用Apiori性质由L2产生C3;由频繁项集产生关联规则;提高Apriori算法的有效性(1);提高Apriori算法的有效性(2);提高Apriori算法的有效性(3);不产生候选频繁项集的算法——FP树;从数据库构建一个FP树;FP树的构建（第二次扫描数据库）;FP树结构的好处;FP树挖掘;FP树挖掘——从FP树到条件模式基;FP树挖掘——构建条件FP树;多层关联规则 (1);多层关联规则 (2);挖掘多层关联规则的方法;多层关联——一致支持度;多层关联——递减支持度;多层关联——基于分组的支持度;检查冗余的多层关联规则;多维关联规则——概念;挖掘多维关联规则的技术;多维关联规则挖掘——使用量化属性的静态离散化;多维关联规则挖掘——挖掘量化关联规则 (1);多维关联规则挖掘——挖掘量化关联规则 (2);关联规则聚类系统(ARCS) (1);关联规则聚类系统(ARCS) (2);ARCS的局限性;关联规则的兴趣度度量;对强关联规则的批评（1）;对强关联规则的批评（2）;由关联分析到相关分析;基于约束的关联挖掘;关联规则的元规则制导挖掘（1）;关联规则的元规则制导挖掘（2）;挖掘过程中使用的规则约束;反单调的和单调的约束;简洁性约束;可转变的和不可转变的约束