高级人工智能 十二章.pptVIP

高级人工智能 第十二章;内容提要 ;关联规则 ;市场购物篮分析;基本概念; 关联规则挖掘;基本概念;度量有趣的关联规则;度量有趣的关联规则;度量有趣的关联规则;市场购物篮分析;频繁项集;强关联规则;关联规则挖掘;内容提要 ;生成频繁项集;生成频繁项集;Apriori 性质;Apriori 算法;生成频繁项集;Apriori: 一种候选项集生成-测试方法;The Apriori 算法—一个示例;Apriori 算法;Apriori 算法;Apriori 算法;Apriori 算法;Apriori算法的重要细节;如何生成候选项集?;如何计算候选项集的支持度?;频繁模式挖掘的挑战;内容提要 ;频繁模式挖掘的瓶颈;不生成候选项集的频繁模式挖掘;FP Growth算法 (Han, Pei, Yin 2000);利用FP-树进行频繁模式挖掘;频繁 1-项集;FP-树 构建;FP-树 构建;FP-树 构建;FP-树 构建;FP-树 构建;FP-树 构建;挖掘 FP-tree;挖掘 FP-Tree;挖掘 FP-Tree;挖掘 FP-Tree;由事务数据库构建FP-树;划分模式和数据库;从P的条件数据库找出包含P的模??;递归: 挖掘每个条件FP-tree;一个特例: FP-tree中的单一前缀路径;通过 DB 投影(Projection)使FP-growth可伸缩;Partition-based Projection;改进途径;FP-tree 结构的优点;FP-Growth vs. Apriori: 支持度的可伸缩性;FP-Growth vs. Tree-Projection:支持度的可伸缩性;关联规则可视化: 方格图(Pane Graph);关联规则可视化: 规则图(Rule Graph);内容提要 ;挖掘多种规则或规律;多层关联规则;可伸缩的支持度约束的多层/多维(ML/MD)关联规则;多维关联规则;多层关联规则:冗余滤除;多层关联规则:逐步深化(Progressive Deepening);多维关联规则挖掘的技术;数量属性的统计离散化;量化关联规则;量化关联规则;量化关联规则;量化关联规则;ARCS (Association Rules Clustering System);ARCS: 成功的应用聚类的概念到分类中. 但仅限于基于2-维规则的分类,如A ? B ? Classi 的格式所示 利用装箱(Binning)方法将数据属性值离散化,因此ACRS的准确度与使用的离散化程度强烈相关. ;基于关联规则的分类(Classification Based on Association rules, CBA);为何及如何结合;CBA: 三个步骤;CAR集;规则生成:基本概念;规则生成:基本概念(Cont.);规则生成: 一个示例;RG: 算法;RG: 算法(cont.);分类构建器 M1: 基本概念;M1: 三个步骤;M1: Algorithm;M1: 满足的两个条件; MOUCLAS;MOUCLAS;The MOUCLAS algorithm ;The MOUCLAS algorithm;The MOUCLAS algorithm;The MOUCLAS algorithm;The MOUCLAS algorithm;The MOUCLAS algorithm;The MOUCLAS algorithm;The MOUCLAS algorithm;Example of MOUCLAS application;Mining Distance-based Association Rules;Interestingness Measure: Correlations (Lift);内容提要 ;相关规则(Correlation Rules);相关规则;相关规则;相关规则;示例;兴趣度（Interest）;?2 统计量的性质;其它度量(Measures);其它度量(Measures);内容提要 ;基于约束(Constraints)的数据挖掘;数据挖掘中的约束(Constraints);约束(Constrained)挖掘 vs. 基于约束的有哪些信誉好的足球投注网站;约束频繁项集挖掘: 一种挖掘查询优化问题;基于约束挖掘的非单调性;什么约束是非单调的( Anti-Monotone)?;什么约束是单调的( Monotone)?;简洁(Succinctness);什么约束是简洁的( Succinct?）;Apriori 算法 — 示例;Na?ve Algorithm: Apriori + Constraint ;The Constrained Apriori Algorithm: Push an Anti-mono