基于选择标准的Apriori算法改进
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ｉ１，Ｉ２一Ｉ５ 置信度 ＝２／４＝５０％ （１）
进行剪枝 ，对于满足最小支持度的项集进行连接 生成 ３一项集
６）直 到没有 新的频 繁项 集产生 或候选集 为空． Ａｐｒｉｏｒｉ算法中在 汁算项集支持度时需要多次 进行 数据 库 的扫 描 ． 当数 据 库较 大 时这 种 花 销成 指数 型增长［ ．在此基础上 ，如果我们能够将数据 库根据类标签进行筛选 ．从而来达到降低数据库 的大小 ，提高算法的执行效率．这种方法在 许多 应 用 中都 是 可 行 的 ， 比如 ：特 征选 择 、降 低 维 度 、特征抽取 等 ．对于任何给定的数据库 ，在 分 析 特 征 选 择 的 基 础 上 通 过 Ａｐｒｉｏｒｉ算 法 找 到 与 特 征 值 相 关 的满 足 最小 支持 度 和最 小置 信 度关 联
关联规则的表示形式 为 Ａ— Ｂ．其中 Ａ与 Ｂ
Ａｐｒｉｏｒｉ算法是关联规则挖掘中应用最广泛的一个 不 相 交 ． 即 ＡｎＢ＝ ．关 联 规 则 挖 掘 需 要 生 成
算 法 。是 由 Ａｇｒａｗａ等 在 １９９３年 提 来 ．Ａｐｒｉｏｒｉ 满 足最 小 支 持 度 、最 小 置 信 度 的规 则 ．规 则 Ａ—
就是将这些隐含的信息从数据库中挖掘 Ｉ 叶Ｉ来的过 度 是指 包 含此项 目集 的事务 的个 数 ．如 下表 示 ：叮
程 ．关联 规则 挖 掘 是 数 据 挖 掘 的 一种 非 常重 要 的 （ｉ）＝Ｉ｛ｔｉｌＸ ｔ ｔ∈Ｔ｝Ｉ．
技 术 ．它 是 从 数 据 库 中 发 现 属 性 之 间 的 关 系 ．
联规 则挖掘 的经典算法 Ａｐｒｉｏｒｉ需要 重复 多次扫描整 个数 据库导致在 空 间和 时间方面有很 大 负载的
问题 ，提 出了根据研 究者所感兴趣 的项集作 为关联规 则的结果 ，采 用对数据 库进 行类标 签压缩 来
减 少迭代次数．通过 实验显 示该方 法可以有效提 高 Ａｐｒｉｏｒｉ算法的效率．
重 复 多次 扫 描 数据 库 ，导致 时 问 复杂 度 和 空 问
ｓｕｐｐｏｒｔ（Ａ－－－￣Ｂ）＝ （Ａ Ｕ Ｂ）
（１）
复 杂度方 面的代价 过高【１］．￣－ｔｘ；ｔ Ａｐｒｉｏｒｉ算 法 ，研究
ｃｏｎｆｉｄｅｎｃｅ（Ａ－－￣Ｂ）＝盯（Ａ Ｕ Ｂ）／ｃｒ（Ａ） （２）
者 提 出 了很 多 的改进 方 法 ．刘 美 玲 等提 出利 用项 ３ 相 关工 作
集的有序性来改进算法 ；徐晓 ｌ｛ｌ等提｝ｆＪ利用支
Ａｐｒｉｏｒｉ算法包含 ２个步骤 ：
持矩阵对算法进行优化［。：；陆建江等提 的加权模
１）自我连接 ；
糊关联规则来体现不同厨 ｝生的重要性 ． ２ 关联规则挖掘
２）剪枝 ． Ａｐｒｉｏｒｉ算 法是 利用 层 次顺 序 搜 索循 环方 法 来
关键词 ：数据挖掘 ；关联规 则；数据库压缩 ：Ａｐｒｉｏｒｉ算 法；ＡＲＭ
中图分类号 ：ＴＰ３９１．７５ 文献标识码 ：Ａ
文章编号 ：１６７２—０５２０（２０１６）０２—００８２—０３
ＤＯＩ：１０．１３８７４￣．ｃｎｋｉ．６２一ｌｌ７ｌ／ｇ４．２０１６．０２．０１４
ｌ 概 述
设 ｌ＝ｆｉＩ，ｉ ，ｉ，，…，ｉｍｌ是一个项 目的集合，
现在．我们通过将不需要 的交易记录删除来
３）对生成的 Ｃ，按照剪枝策略根据最小支持度 进 行 剪枝 ，只有 满 足最 小 支持 度 的项 集 才 能进 入 下一 步
４）通过 自身连接 生成 ２一项 集 Ｃ： ５）扫描整个数据库计算 ２一项集 的支持度并
提高算法的效率．假设最小支持度为 ２，最小置信 度为 ５０％．根据表 １所给的交易数据库 Ａｐｒｉｏｒｉ算 法需要 扫描数据库 １７次，频繁项集是 Ｉｌ、Ｉ２、Ｉ５ 和 Ｉ２、Ｉ３、Ｉ５，规则 生成 如 下．
收稿 日期 ：２０１６—０４－０５ 基金项 目：甘肃省 自然科学基金 项 目（项 目批 准号 ：１２１２ＲＪＺＡ０５９）· 作者 简介：马 良斋 （１９７８－ ），男，甘 肃兰州人，讲 师，研究方向 ：数 据挖 掘·
· ８２ ·
马 良斋 姜 滨，等 ：基 于选择标 准的 Ａｐｒｉｏｒｉ算法改进
完 成 频 繁 项 集 的 生 成 丁 作 ， 即利 用 （ｋ一１）一项 集
表 ２ 交易数据库
来完 成 ｋ一项 集 的生成 ，描述 如下 ： Ｉ）产 生 １一项 集 Ｃ ２）通过扫描整个数据 库 ，计算所有 ｌ一项集
的支持 度
ＴＩＤ
Ｔ１ Ｔ８
项 目
Ｉ１， Ｉ２， Ｉ５ Ｉ１， １２， Ｉ３， Ｉ５
随着信息技术的发展 ，我们周围分布着很多 Ｔ＝ ｛ｔ。，ｔ ，… ，ｔ ｝是一 个 历史 交易 数据 库 ，每 一
有用的信息 ，从大型数据库 中挖掘 有用的信息 个 交 易记 录 ｔ。是 由项 目的 集 合 Ｉ中 的 元 素 组 成 ，
和 知识 已经 成 为 一个 重 要 的 研 究 领 域 ．数 据 挖 掘 我们把项 目的集 合称 为项 目集．其 中项集 的支持
算 法 的有 一 个 重要性 质 “频 繁 项 集 的每 一 个 子集 Ｂ的支持度 ｓｕｐｐｏｒｔ（Ａ－－￣Ｂ）指 同时包 含 Ａ和 Ｂ的交
都 是 频繁 项 集 ：非频 繁 项集 的超 集 一定 不 是 频 繁 易 的数 目 ．规 则 Ａ— Ｂ的置 信 度 ｃｏｎｆｉｄｅｎｃｅ （Ａ—
项 集 ．”．Ａｐｒｉｏｒｉ算 法 在频 繁 项 集 生 成过 程 中需 要 Ｂ）是 指在 Ｂ中Ｈ｝现 Ａ的频 率．公式 定义 如下 ：
第 ３２卷第 ２期 （２０１６）
河西学 院学报
Ｖｏ１．３２ Ｎｏ．２（２０１６）
基于选择标准 的 Ａｐｒｉｏｒｉ 算法改进
马 良 斋 姜 滨 摆 慧 娟 ２
（１．兰州交通大学电子与信息＿丁程学院 ，甘肃 兰州 ７３００７０；２．甘肃银行 ，甘肃 兰州 ７３００００）
摘 要 ：关联规 则挖掘 通过 发现 密切相 关项 集的方法 已经在 商业决策 中被广泛使 用．现针 对关
进行剪枝 ，对于满足最小支持度的项集进行连接 生成 ３一项集
６）直 到没有 新的频 繁项 集产生 或候选集 为空． Ａｐｒｉｏｒｉ算法中在 汁算项集支持度时需要多次 进行 数据 库 的扫 描 ． 当数 据 库较 大 时这 种 花 销成 指数 型增长［ ．在此基础上 ，如果我们能够将数据 库根据类标签进行筛选 ．从而来达到降低数据库 的大小 ，提高算法的执行效率．这种方法在 许多 应 用 中都 是 可 行 的 ， 比如 ：特 征选 择 、降 低 维 度 、特征抽取 等 ．对于任何给定的数据库 ，在 分 析 特 征 选 择 的 基 础 上 通 过 Ａｐｒｉｏｒｉ算 法 找 到 与 特 征 值 相 关 的满 足 最小 支持 度 和最 小置 信 度关 联
关联规则的表示形式 为 Ａ— Ｂ．其中 Ａ与 Ｂ
Ａｐｒｉｏｒｉ算法是关联规则挖掘中应用最广泛的一个 不 相 交 ． 即 ＡｎＢ＝ ．关 联 规 则 挖 掘 需 要 生 成
算 法 。是 由 Ａｇｒａｗａ等 在 １９９３年 提 来 ．Ａｐｒｉｏｒｉ 满 足最 小 支 持 度 、最 小 置 信 度 的规 则 ．规 则 Ａ—
就是将这些隐含的信息从数据库中挖掘 Ｉ 叶Ｉ来的过 度 是指 包 含此项 目集 的事务 的个 数 ．如 下表 示 ：叮
程 ．关联 规则 挖 掘 是 数 据 挖 掘 的 一种 非 常重 要 的 （ｉ）＝Ｉ｛ｔｉｌＸ ｔ ｔ∈Ｔ｝Ｉ．
技 术 ．它 是 从 数 据 库 中 发 现 属 性 之 间 的 关 系 ．
联规 则挖掘 的经典算法 Ａｐｒｉｏｒｉ需要 重复 多次扫描整 个数 据库导致在 空 间和 时间方面有很 大 负载的
问题 ，提 出了根据研 究者所感兴趣 的项集作 为关联规 则的结果 ，采 用对数据 库进 行类标 签压缩 来
减 少迭代次数．通过 实验显 示该方 法可以有效提 高 Ａｐｒｉｏｒｉ算法的效率．
重 复 多次 扫 描 数据 库 ，导致 时 问 复杂 度 和 空 问
ｓｕｐｐｏｒｔ（Ａ－－－￣Ｂ）＝ （Ａ Ｕ Ｂ）
（１）
复 杂度方 面的代价 过高【１］．￣－ｔｘ；ｔ Ａｐｒｉｏｒｉ算 法 ，研究
ｃｏｎｆｉｄｅｎｃｅ（Ａ－－￣Ｂ）＝盯（Ａ Ｕ Ｂ）／ｃｒ（Ａ） （２）
者 提 出 了很 多 的改进 方 法 ．刘 美 玲 等提 出利 用项 ３ 相 关工 作
集的有序性来改进算法 ；徐晓 ｌ｛ｌ等提｝ｆＪ利用支
Ａｐｒｉｏｒｉ算法包含 ２个步骤 ：
持矩阵对算法进行优化［。：；陆建江等提 的加权模
１）自我连接 ；
糊关联规则来体现不同厨 ｝生的重要性 ． ２ 关联规则挖掘
２）剪枝 ． Ａｐｒｉｏｒｉ算 法是 利用 层 次顺 序 搜 索循 环方 法 来
关键词 ：数据挖掘 ；关联规 则；数据库压缩 ：Ａｐｒｉｏｒｉ算 法；ＡＲＭ
中图分类号 ：ＴＰ３９１．７５ 文献标识码 ：Ａ
文章编号 ：１６７２—０５２０（２０１６）０２—００８２—０３
ＤＯＩ：１０．１３８７４￣．ｃｎｋｉ．６２一ｌｌ７ｌ／ｇ４．２０１６．０２．０１４
ｌ 概 述
设 ｌ＝ｆｉＩ，ｉ ，ｉ，，…，ｉｍｌ是一个项 目的集合，
现在．我们通过将不需要 的交易记录删除来
３）对生成的 Ｃ，按照剪枝策略根据最小支持度 进 行 剪枝 ，只有 满 足最 小 支持 度 的项 集 才 能进 入 下一 步
４）通过 自身连接 生成 ２一项 集 Ｃ： ５）扫描整个数据库计算 ２一项集 的支持度并
提高算法的效率．假设最小支持度为 ２，最小置信 度为 ５０％．根据表 １所给的交易数据库 Ａｐｒｉｏｒｉ算 法需要 扫描数据库 １７次，频繁项集是 Ｉｌ、Ｉ２、Ｉ５ 和 Ｉ２、Ｉ３、Ｉ５，规则 生成 如 下．
收稿 日期 ：２０１６—０４－０５ 基金项 目：甘肃省 自然科学基金 项 目（项 目批 准号 ：１２１２ＲＪＺＡ０５９）· 作者 简介：马 良斋 （１９７８－ ），男，甘 肃兰州人，讲 师，研究方向 ：数 据挖 掘·
· ８２ ·
马 良斋 姜 滨，等 ：基 于选择标 准的 Ａｐｒｉｏｒｉ算法改进
完 成 频 繁 项 集 的 生 成 丁 作 ， 即利 用 （ｋ一１）一项 集
表 ２ 交易数据库
来完 成 ｋ一项 集 的生成 ，描述 如下 ： Ｉ）产 生 １一项 集 Ｃ ２）通过扫描整个数据 库 ，计算所有 ｌ一项集
的支持 度
ＴＩＤ
Ｔ１ Ｔ８
项 目
Ｉ１， Ｉ２， Ｉ５ Ｉ１， １２， Ｉ３， Ｉ５
随着信息技术的发展 ，我们周围分布着很多 Ｔ＝ ｛ｔ。，ｔ ，… ，ｔ ｝是一 个 历史 交易 数据 库 ，每 一
有用的信息 ，从大型数据库 中挖掘 有用的信息 个 交 易记 录 ｔ。是 由项 目的 集 合 Ｉ中 的 元 素 组 成 ，
和 知识 已经 成 为 一个 重 要 的 研 究 领 域 ．数 据 挖 掘 我们把项 目的集 合称 为项 目集．其 中项集 的支持
算 法 的有 一 个 重要性 质 “频 繁 项 集 的每 一 个 子集 Ｂ的支持度 ｓｕｐｐｏｒｔ（Ａ－－￣Ｂ）指 同时包 含 Ａ和 Ｂ的交
都 是 频繁 项 集 ：非频 繁 项集 的超 集 一定 不 是 频 繁 易 的数 目 ．规 则 Ａ— Ｂ的置 信 度 ｃｏｎｆｉｄｅｎｃｅ （Ａ—
项 集 ．”．Ａｐｒｉｏｒｉ算 法 在频 繁 项 集 生 成过 程 中需 要 Ｂ）是 指在 Ｂ中Ｈ｝现 Ａ的频 率．公式 定义 如下 ：
第 ３２卷第 ２期 （２０１６）
河西学 院学报
Ｖｏ１．３２ Ｎｏ．２（２０１６）
基于选择标准 的 Ａｐｒｉｏｒｉ 算法改进
马 良 斋 姜 滨 摆 慧 娟 ２
（１．兰州交通大学电子与信息＿丁程学院 ，甘肃 兰州 ７３００７０；２．甘肃银行 ，甘肃 兰州 ７３００００）
摘 要 ：关联规 则挖掘 通过 发现 密切相 关项 集的方法 已经在 商业决策 中被广泛使 用．现针 对关