數(shù)據(jù)挖掘之關(guān)聯(lián)算法

1、數(shù)據(jù)挖掘之關(guān)聯(lián)算法本小組所尋案例，與數(shù)據(jù)挖掘的關(guān)聯(lián)算法相關(guān)。即通過一定的關(guān)聯(lián)算法，找出數(shù)據(jù)庫中 隱藏的關(guān)聯(lián)網(wǎng)。數(shù)據(jù)關(guān)聯(lián)是數(shù)據(jù)庫中存在的一類重要的可被發(fā)現(xiàn)的知識。若兩個或多個變量 的取值之間存在某種規(guī)律性，就稱為關(guān)聯(lián)。關(guān)聯(lián)算法之中，有兩個重要概念：支持度和置信度。支持度(Support)，也就是數(shù)據(jù)集中包含某幾個特定項的概率。比如在1000次的商品 交易中同時出現(xiàn)了啤酒和尿布的次數(shù)是50次，那么此關(guān)聯(lián)的支持度為5%。置信度(Confidence)，也就是在數(shù)據(jù)集中已經(jīng)出現(xiàn)A時，B發(fā)生的概率，是一種條件概 率。支持度和置信度是描述關(guān)聯(lián)規(guī)則的兩個最重要的概念。一項目組出現(xiàn)的頻率稱為支持度， 反映關(guān)聯(lián)

2、規(guī)則在數(shù)據(jù)庫中的重要性。而置信度衡量關(guān)聯(lián)規(guī)則的可信程度。如果某條規(guī)則同時 滿足最小支持度(min-support)和最小置信度(min-confidence)，則稱它為強關(guān)聯(lián)規(guī)則。簡單舉例。就“啤酒+尿布”這個案例而言，在進行資料挖掘時，首先必須設(shè)定最小支持 度與最小可信度兩個門檻值，假定設(shè)為最小支持度5%、最小可信度65%。即是說，只要滿 足，在所有交易記錄中，至少有5%的交易同時購買了啤酒和尿布，且在在所有包含尿布的 交易記錄資料中，至少有65%的交易會同時購買啤酒。則我們可以認(rèn)為，啤酒和尿布具備關(guān) 聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則的發(fā)現(xiàn)過程可分為如下兩步：第一步是迭代識別所有的頻繁項目集，要求頻繁項目集

3、的支持度不低于用戶設(shè)定的最低 值；第二步是從頻繁項目集中構(gòu)造置信度不低于用戶設(shè)定的最低值的規(guī)則，產(chǎn)生關(guān)聯(lián)規(guī)則。 識別或發(fā)現(xiàn)所有頻繁項目集是關(guān)聯(lián)規(guī)則發(fā)現(xiàn)算法的核心，也是計算量最大的部分。關(guān)聯(lián)規(guī)則挖掘的一個典型例子是購物籃分析。關(guān)聯(lián)規(guī)則研究有助于發(fā)現(xiàn)交易數(shù)據(jù)庫中不 同商品(項)之間的聯(lián)系，找出顧客購買行為模式，如購買了某一商品對購買其他商品的影 響。分析結(jié)果可以應(yīng)用于商品貨架布局、貨存安排以及根據(jù)購買模式對用戶進行分類。案例采用Apriori算法進行關(guān)聯(lián)分析。從一家公司的銷售記錄中我們找到以下8條消費記錄，并以3作為最小支持度，也就是 說出現(xiàn)頻率在3次以下的記錄是被我們所忽略的。交易標(biāo)號銷售內(nèi)容1

4、牛奶、冰淇淋、果醬、面包2冰淇淋、果醬、面包、咖啡3牛奶、面包、果醬4牛奶、咖啡5牛奶、面包、巧克力6冰淇淋、面包、咖啡7牛奶、果醬、面包、香蕉8咖啡、面包、葡萄所有滿足最小支持度3的1項頻集如下，其中的支持度是指該產(chǎn)品在整個數(shù)據(jù)集中出 現(xiàn)的次數(shù)。比如牛奶出現(xiàn)了5次，而冰淇淋出現(xiàn)了3次。支持度銷售內(nèi)容5牛奶3冰淇淋4果醬3咖啡6面包遞歸執(zhí)行，所有滿足最小支持度3的2項頻集如下，這其中出現(xiàn)最多的頻集是牛奶， 面包和面包，果醬各自出現(xiàn)了4次。（所謂2項頻集，即將一項頻集中的各項目再次 兩兩組合，如形成牛奶、冰淇淋牛奶、果醬牛奶、咖啡牛奶、面包冰淇淋、果醬等 等，最終挑選出支持度3的頻集，即如下表所示。）支持度銷售內(nèi)容3面包、咖啡4牛奶、面包3冰淇淋、面包4面包、果醬6面包再次遞歸執(zhí)行，所有滿足最小支持度3的3項頻集只剩下一條，此時已無法繼續(xù)迭代運 算，故結(jié)束算法。支持度銷售內(nèi)容3牛奶、果醬、面包那么牛奶，果醬