几种典型关联规则算法的分析与比较
合集下载
相关主题
- 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)。
项 集 的超 集 一 定 是 非 频 繁 的 ． 用 这 个 性 质 ． 以减 少 利 可 计 算 中 出 现 的 候 选 项 集 的 个 数 ．我 们 可 以通 过 连 接 后 进 行 剪 枝 把 非 频 繁 的 子 集 给 删 除 下 面 是 连 接 和 剪 枝
关联 规则 ．算法 的核心思想是 采用逐层搜索 的迭代方 法， 在挖 掘 中使用 了先验 知识 ， 例如用 ｋ频繁项 集的知
中所有项 的集合 ， 每个 事务 Ｔ是一 个项集 ， 满足 Ｔ＿Ｉ Ｃ，
它 有 唯 一 的标 识 ＴＤ 多 条 事 务 Ｔ组 合 在 一 起 便 是 事 务 Ｉ。 集 Ｄ， 在 假 设 Ａ、 现 Ｂ为项 集 ， ＡＣＩＢ 且 Ａ１Ｂ ， ， ＣＩ ＂ ＝ 则 ３
Ｉ Ｆ ｐ． ｅ １＝ｑ．ｅｍ １Ｐｉｅ ２ ＝ ｉｅ ｉ ｍ ｔ ｉ ｔ ，．ｔｍ ｑ．ｔｍ２， … ， ｉｅ ｐ． ｍｋ －２ ＝ｑ． ｔ ｉｅ ｔ ｍｋ一２ ，
频 繁项 集 的 所 有 非 空 子 集 也 必 须 是 频 繁 的 ．这 包
含两层 含义 ： ①频繁项集 的子项为频繁项 集 ； ②非频 繁
收 稿 日 期 ：０ １ ０ —０ ２１— ７ ４ 修 稿 日 期 ：０ １ ０ —３ ２１— ７ ０
作者简介 ： 胡佳 （ ９ ２ ， ， 西 南 昌人 ， 读 硕 士研 究 生 ， 师 ， 究 方 向 为 数 据 挖 掘 １ ８ －） 女 江 在 讲 研
件 笛 加 ９ ｎ１ Ｑ １ｎ
题 。 首先 介 绍 关联 规 则 的基 本概 念和 它 的挖 掘 过 程 ， 后 就 几种 典 型 的 关 联 规 则 算 法 进 行 然
概 括 并 对 它们 进 行 分析 和性 能 的 比 较 ． 关联 规 则挖 掘 应 用 的 现 状进 行 总 结 。 对
关 键 词 ：关联 规 则 ；频繁 项 集 ； 则 挖 掘 规
０ 引
言
具 有 Ａ Ｂ形 式 的蕴 含式 就 是 关 联 规则 ： ｊ 一条 关 联 规 则
数 据挖 掘（ａ ｉｉｇ就是从 大 量 、 完 全 、 噪 Ｄ ｔ Ｍ ｎｎ１ ａ 不 有 声 、 糊、 模 随机 的数据 中， 提取 隐含在其 中的 、 人们 事先
未 知 、 又 是 潜 在 有 用 的信 息 和 知 识 的 过 程 『 随 着 信 但 １ ］ 。 息 技 术 的 飞速 发 展 。 据 量 与 日俱 增 。 数 以及 对 数 据 的 处 理 要 求 的 不 断 提 高 ．人 们 迫 切 需 要 一 种 自动 智 能 的 方 法 将 待 处 理 的数 据 转 化 为有 用 的 信 息 和 知 识 ． 就 是 这 数 据 挖 掘 技 术 产 生 的重 要 原 因 。 在 数 据 挖 掘 中关 联 规 则 （ ｓ ｃ ｔ ｎＲ ｌ ） 挖 掘 Ａ ｓ ｉ ｉ ｕｅ 的 ｏ ａｏ ｓ 是 一 个 重 要 课 题 ．它 是 从 大 量 的 数 据 中挖 掘 出 有 价 值 的 数 据 项 之 间 的 相 互 联 系 ．例 如从 大 量 的商 业 交 易 记
１ 关 联 规 则 的基 本 原 理
１１ 关联 规 则 的基 本 概 念 ．
设 Ｄ为 相 关 数 据 库 的 事 务 集 ， ＝ＩＩ… ， ｝ Ｄ Ｉ （，， Ｉ 是 ｌ ：
２ 几种 经 典 的 关 联 规 则 算 法
２１ ｐｉｒ算法 ． Ａ ｒ ｉ ｏ
１９ ９ ４年提 出的 Ａ ｒ ｒ算法 是个 布尔 、 ｐｉ ｉ ｏ 单维 、 单层
几种典型关联规则算 法的分析与 比较
胡 佳 １ ， ２
（ ． 东 师 范 大 学 ， 海 ２ ０ ４ ； ． 西 教 育 学 院 ，南 昌 ３ ０ ２ ） １华 上 ０２ １ ２ 江 ３ ０９
摘 要 ：数 据 挖 掘 是 目前 比较 热 门的 一 个研 究 领 域 ． 关联 规 则 的挖 掘 又 是数 据挖 掘 的 一 个 重 要 课 而
识 得 到 ｆ＋ ） 繁 项 集 ， 了 提 高 频 繁 项 集 的 的 产 生 效 ｋ １频 为
率 ， 到 Ａ ｆ ｆ性 质 ， ： 用 ｐｏ ｉｉ 即
Ｆ ａ ｈ ｉ ｍｓ ｔＰ∈ ＯＲ ｅ ｃ ｔ ｅ ｅ
一
１
ＤＯ
Ｆ ａ ｈ ｉ ｍｓ ｔ ＯＲ ｅ ｃ ｅ ｅ ｔ ｑ∈Ｌ — ｋ ｌ
录 中发现 有价值 的关联规 则 ．以辅助商家决策 者做 出
有 效 的决 策 来 促 进 销 售 其 中最 典 型 的 案 例 有 “ 物 篮 购
② 由频 繁项集产 生强关 联规则 。 在频繁项集 的基础上 ， 结 合预设 的最小置信度生成
就 以 上 两个 步 骤 比较 ．第 一 步 的 复 杂 度 远 高 于 第
一
般 来说关联规则 的挖掘分 两步走 ：① 发现所有
的 频 繁项 集 数 据 项 的集 合 为项 集 ． 来自百度文库 ｋ 数 据 项 的 包 个
为 ｋ 项集 ． 谓 的频繁 项集是指满 足支持度大 于等 于 一 所
预设 的 最 小 支 持 度 ．有 些 时 候 为 了运 算 的方 便 可 以用
支 持度计 数表示 ．即项集 在数据集 Ｄ中 出现 的次数 ：
分析 ” 根据被 放进购 物篮 的商 品记 录 ． ． 找到 商品 间的 内在联 系 ． 而分析得到顾客 的购物习惯 ， 从 这样 商家可 以调整货架 商品的摆放 ． 和进行 一些针对性 的促 销 ． 从
而 提 高 营 业 额
二步 ．因此关联规则挖 掘算法的核心任务 在于识别事
务 集 Ｄ 中 的所 有 频 繁 项 集 ．以便 进 一 步 构 造 相 应 的关 联 规 则 ． 面 文 中 主要 针 对 频 繁 项 集 的 挖 掘 目前 比 下 对 较 典 型 的 几 种关 联 规 则 算 法 进 行 分 析 和 比较
成 立的条件是满 足最小支持度和最小置信 度 ．所谓 的 支持 度 （ｕｐ ｒ 是 ＡｕＢ在 Ｄ 中所 占的百 分 比 ． Ｓ ｐ０ｔ ） 置信
度 （ ｏｆ ｅｃ ） Ｄ 中事 务 中 包 含 ＡｕＢ 的 事 务 与 包 Ｃ ｎｉ ｎ ｅ 是 ｄ
含 Ａ事 务 的百 分 比
１ 关联 规 则 的 挖 掘 过 程 ． ２
关联 规则 ．算法 的核心思想是 采用逐层搜索 的迭代方 法， 在挖 掘 中使用 了先验 知识 ， 例如用 ｋ频繁项 集的知
中所有项 的集合 ， 每个 事务 Ｔ是一 个项集 ， 满足 Ｔ＿Ｉ Ｃ，
它 有 唯 一 的标 识 ＴＤ 多 条 事 务 Ｔ组 合 在 一 起 便 是 事 务 Ｉ。 集 Ｄ， 在 假 设 Ａ、 现 Ｂ为项 集 ， ＡＣＩＢ 且 Ａ１Ｂ ， ， ＣＩ ＂ ＝ 则 ３
Ｉ Ｆ ｐ． ｅ １＝ｑ．ｅｍ １Ｐｉｅ ２ ＝ ｉｅ ｉ ｍ ｔ ｉ ｔ ，．ｔｍ ｑ．ｔｍ２， … ， ｉｅ ｐ． ｍｋ －２ ＝ｑ． ｔ ｉｅ ｔ ｍｋ一２ ，
频 繁项 集 的 所 有 非 空 子 集 也 必 须 是 频 繁 的 ．这 包
含两层 含义 ： ①频繁项集 的子项为频繁项 集 ； ②非频 繁
收 稿 日 期 ：０ １ ０ —０ ２１— ７ ４ 修 稿 日 期 ：０ １ ０ —３ ２１— ７ ０
作者简介 ： 胡佳 （ ９ ２ ， ， 西 南 昌人 ， 读 硕 士研 究 生 ， 师 ， 究 方 向 为 数 据 挖 掘 １ ８ －） 女 江 在 讲 研
件 笛 加 ９ ｎ１ Ｑ １ｎ
题 。 首先 介 绍 关联 规 则 的基 本概 念和 它 的挖 掘 过 程 ， 后 就 几种 典 型 的 关 联 规 则 算 法 进 行 然
概 括 并 对 它们 进 行 分析 和性 能 的 比 较 ． 关联 规 则挖 掘 应 用 的 现 状进 行 总 结 。 对
关 键 词 ：关联 规 则 ；频繁 项 集 ； 则 挖 掘 规
０ 引
言
具 有 Ａ Ｂ形 式 的蕴 含式 就 是 关 联 规则 ： ｊ 一条 关 联 规 则
数 据挖 掘（ａ ｉｉｇ就是从 大 量 、 完 全 、 噪 Ｄ ｔ Ｍ ｎｎ１ ａ 不 有 声 、 糊、 模 随机 的数据 中， 提取 隐含在其 中的 、 人们 事先
未 知 、 又 是 潜 在 有 用 的信 息 和 知 识 的 过 程 『 随 着 信 但 １ ］ 。 息 技 术 的 飞速 发 展 。 据 量 与 日俱 增 。 数 以及 对 数 据 的 处 理 要 求 的 不 断 提 高 ．人 们 迫 切 需 要 一 种 自动 智 能 的 方 法 将 待 处 理 的数 据 转 化 为有 用 的 信 息 和 知 识 ． 就 是 这 数 据 挖 掘 技 术 产 生 的重 要 原 因 。 在 数 据 挖 掘 中关 联 规 则 （ ｓ ｃ ｔ ｎＲ ｌ ） 挖 掘 Ａ ｓ ｉ ｉ ｕｅ 的 ｏ ａｏ ｓ 是 一 个 重 要 课 题 ．它 是 从 大 量 的 数 据 中挖 掘 出 有 价 值 的 数 据 项 之 间 的 相 互 联 系 ．例 如从 大 量 的商 业 交 易 记
１ 关 联 规 则 的基 本 原 理
１１ 关联 规 则 的基 本 概 念 ．
设 Ｄ为 相 关 数 据 库 的 事 务 集 ， ＝ＩＩ… ， ｝ Ｄ Ｉ （，， Ｉ 是 ｌ ：
２ 几种 经 典 的 关 联 规 则 算 法
２１ ｐｉｒ算法 ． Ａ ｒ ｉ ｏ
１９ ９ ４年提 出的 Ａ ｒ ｒ算法 是个 布尔 、 ｐｉ ｉ ｏ 单维 、 单层
几种典型关联规则算 法的分析与 比较
胡 佳 １ ， ２
（ ． 东 师 范 大 学 ， 海 ２ ０ ４ ； ． 西 教 育 学 院 ，南 昌 ３ ０ ２ ） １华 上 ０２ １ ２ 江 ３ ０９
摘 要 ：数 据 挖 掘 是 目前 比较 热 门的 一 个研 究 领 域 ． 关联 规 则 的挖 掘 又 是数 据挖 掘 的 一 个 重 要 课 而
识 得 到 ｆ＋ ） 繁 项 集 ， 了 提 高 频 繁 项 集 的 的 产 生 效 ｋ １频 为
率 ， 到 Ａ ｆ ｆ性 质 ， ： 用 ｐｏ ｉｉ 即
Ｆ ａ ｈ ｉ ｍｓ ｔＰ∈ ＯＲ ｅ ｃ ｔ ｅ ｅ
一
１
ＤＯ
Ｆ ａ ｈ ｉ ｍｓ ｔ ＯＲ ｅ ｃ ｅ ｅ ｔ ｑ∈Ｌ — ｋ ｌ
录 中发现 有价值 的关联规 则 ．以辅助商家决策 者做 出
有 效 的决 策 来 促 进 销 售 其 中最 典 型 的 案 例 有 “ 物 篮 购
② 由频 繁项集产 生强关 联规则 。 在频繁项集 的基础上 ， 结 合预设 的最小置信度生成
就 以 上 两个 步 骤 比较 ．第 一 步 的 复 杂 度 远 高 于 第
一
般 来说关联规则 的挖掘分 两步走 ：① 发现所有
的 频 繁项 集 数 据 项 的集 合 为项 集 ． 来自百度文库 ｋ 数 据 项 的 包 个
为 ｋ 项集 ． 谓 的频繁 项集是指满 足支持度大 于等 于 一 所
预设 的 最 小 支 持 度 ．有 些 时 候 为 了运 算 的方 便 可 以用
支 持度计 数表示 ．即项集 在数据集 Ｄ中 出现 的次数 ：
分析 ” 根据被 放进购 物篮 的商 品记 录 ． ． 找到 商品 间的 内在联 系 ． 而分析得到顾客 的购物习惯 ， 从 这样 商家可 以调整货架 商品的摆放 ． 和进行 一些针对性 的促 销 ． 从
而 提 高 营 业 额
二步 ．因此关联规则挖 掘算法的核心任务 在于识别事
务 集 Ｄ 中 的所 有 频 繁 项 集 ．以便 进 一 步 构 造 相 应 的关 联 规 则 ． 面 文 中 主要 针 对 频 繁 项 集 的 挖 掘 目前 比 下 对 较 典 型 的 几 种关 联 规 则 算 法 进 行 分 析 和 比较
成 立的条件是满 足最小支持度和最小置信 度 ．所谓 的 支持 度 （ｕｐ ｒ 是 ＡｕＢ在 Ｄ 中所 占的百 分 比 ． Ｓ ｐ０ｔ ） 置信
度 （ ｏｆ ｅｃ ） Ｄ 中事 务 中 包 含 ＡｕＢ 的 事 务 与 包 Ｃ ｎｉ ｎ ｅ 是 ｄ
含 Ａ事 务 的百 分 比
１ 关联 规 则 的 挖 掘 过 程 ． ２