正文內容

數據挖掘從大數據庫中挖掘關聯規則-資料下載頁

2026-08-13 09:03本頁面

【導讀】從交易數據庫中挖掘一維的布爾形關聯規則。在交易數據庫和數據倉庫中挖掘多維關聯規則。在交易數據、關系數據或其他信息載體中，查找存在于。購物籃分析、交叉銷售、產品目錄設計、loss-leader. analysis、聚集、分類等。護理用品(商店應該怎樣提高護理用品的銷售？*(其他商品的庫存有什么影響?在產品直銷中使用附加郵寄。Detecting―ping-pong‖ingofpatients,faulty―collisions‖。支持度,s,一次交易中包含。可信度,c,包含{X、Y}的交。那個品種牌子的啤酒與那個牌子的尿布有關系?關聯并不一定意味著相關或因果。最大模式和閉合相集。如,哪些“小東西”的銷售促發了“大家伙”的買賣？用得到的頻繁集生成關聯規則。修剪:一個k-項集，如果他的一個k-1項集不是頻繁。假定Lk-1中的項按順序排列。第一步:自連接Lk-1

　　

【正文】牛奶 (15%), 面包 (10%) ? 再挖掘他們底層的相對較弱的頻繁項：酸奶 (5%), 白面包 (4%) ? 跨層時對支持度的不同處理方法，對應了不同的算法 : ? 層之間支持度不變：如果 t的祖先是非頻繁的，則不用考慮 t ? 支持度隨層遞減：則只考慮那些其祖先是頻繁的 /不可忽略的項 2020116 數據挖掘：概念和技術 46 數據挖掘查詢的逐步精化 ? 為什么要逐步精化 ? 挖掘操作的代價可能高或低，結果可能細致或粗糙 ? 在速度和質量之間折衷：逐步精化 ? 超集覆蓋特征： ? 預存儲所有正面答案 —允許進一步正確性驗證，而不必驗證已經錯誤的 ? 2或多步挖掘： ? 先執行粗糙的、容易的操作 (超集覆蓋 ) ? 然后在減少后的候選集上進行計算量大的算法 (Koperski amp。 Han, SSD’95). 2020116 數據挖掘：概念和技術 47 逐步求精空間關聯規則挖掘 ?空間關系的層次： ?―g_close_to‖: 鄰近 , 接觸 , 交叉 , 包含 ?先搜索粗糙的關系然后再精化 2020116 數據挖掘：概念和技術 48 逐步求精空間關聯規則挖掘 (2) ? 空間關聯規則的兩步算法： ? 步驟 1: 粗糙空間計算 (用于過濾 ) ? 用 MBR 或 Rtree 做粗糙估計 ? 步驟 2: 細致空間算法 (用于精化 ) ? 只計算已經通過空間計算的對象 2020116 數據挖掘：概念和技術 49 第 6章：從大數據庫中挖掘關聯規則 ? 關聯規則挖掘 ? 從交易數據庫中挖掘一維的布爾形關聯規則 ? 從交易數據庫中挖掘多層次關聯規則 ? 在交易數據庫和數據倉庫中挖掘多維關聯規則 ? 從關聯挖掘到相關性分析 ? 基于約束的關聯挖掘 ? 小結 2020116 數據挖掘：概念和技術 50 多維關聯規則：概念 ? 單維規則： buys(X, ―milk‖) ? buys(X, ―bread‖) ? 多維規則： 2個以上維 /謂詞 ? 維間關聯規則 (維詞不重復 ) age(X,‖1925‖) ? occupation(X,―student‖) ? buys(X,―coke‖) ? 混合維關聯規則 (維詞重復 ) age(X,‖1925‖) ? buys(X, ―popcorn‖) ? buys(X, ―coke‖) ? 類別屬性 ? 有限個值 , 值之間無順序關系 ? 數量屬性 ? 數字的，值之間隱含了順序關系 2020116 數據挖掘：概念和技術 51 挖掘多維關聯的技術 ? 搜索頻繁 k維詞集合： ? 如 : {age, occupation, buys} 是一個 3維詞集合。 ? 按照對 age 處理方式的不同，分為： 1. 用靜態方法把數值屬性離散化 ? 數值屬性可用預定義的概念層次加以離散化。 2. 帶數量的關聯規則 ? 根據數據的分布動態的把數值屬性離散化到不同的“箱” 。 3. 基于距離的關聯規則 ? 用數據點之間的距離動態的離散化 2020116 數據挖掘：概念和技術 52 數值屬性的靜態離散化 ? 在挖掘之前用概念層次先離散化 ? 數值被替換為區間范圍 ? 關系數據庫中，要找到所有頻繁 k維詞需要 k或 k+1次表掃描。 ? 適宜使用數據立方體 ? N維立方體的每個單元對應一個維詞集合 ? 使用數據立方體速度更快 (ine) (age) () (buys) (age, ine) (age,buys) (ine,buys) (age,ine,buys) 2020116 數據挖掘：概念和技術 53 帶數量的關聯規則 age(X,”3034”) ? ine(X,”24K 48K”) ? buys(X,”high resolution TV”) ? 動態離散化數值屬性 ? Such that the confidence or pactness of the rules mined is maximized. ? 2維數量關聯規則： Aquan1 ? Aquan2 ? Acat ? 用 2維表格把“鄰近”的關聯規則組合起來 ? 例子 2020116 數據挖掘：概念和技術 54 ARCS (關聯規則聚集系統 ) ARCS 流程 1. 分箱 2. 查找頻繁維詞集合 3. 聚集 4. 優化 2020116 數據挖掘：概念和技術 55 ARCS的局限性 ? 數值屬性只能出現在規則的左側 ? 左側只能有兩個屬性 (2維 ) ? ARCS 的改進 ? 不用基于柵格的方法 ? 等深分箱 ? 基于局部完整性測度的聚集 ? ―Mining Quantitative Association Rules in Large Relational Tables‖ by R. Srikant and R. Agrawal. 2020116 數據挖掘：概念和技術 56 挖掘基于距離的關聯規則 ? 分箱的方法沒有體現數據間隔的語義 ? 基于距離的分割是更有“意義”的離散化方法，考慮： ? 區間內密度或點的個數 ? 區間內點的“緊密程度價格（ $ ）等寬( 寬度 $10)等深( 深度 2) 基于距離7 [ 0 , 1 0 ] [ 7 , 2 0 ] [ 7 , 7 ]20 [ 1 1 , 2 0 ] [ 2 2 , 5 0 ] [ 2 0 , 2 2 ]22 [ 2 1 , 3 0 ] [ 5 1 , 5 3 ] [ 5 0 , 5 3 ]50 [ 3 1 , 4 0 ]51 [ 4 1 , 5 0 ]53 [ 5 1 , 6 0 ]

點擊復制文檔內容

環評公示相關推薦

數據挖掘從大數據庫中挖掘關聯規則-資料下載頁

廈門大學數據挖掘rough集與數據庫壓縮-資料下載頁

畢業論文數據挖掘中的關聯規則和序列模式-資料下載頁

數據挖掘緒論淺談數據挖掘-資料下載頁

大數據第4章大數據挖掘工具-資料下載頁

數據挖掘與大數據技術應用-資料下載頁

大數據應用基礎-數據挖掘流程-資料下載頁

[計算機軟件及應用]數據庫與數據挖掘-資料下載頁

關聯規則挖掘舉例-資料下載頁

金融數據挖掘和商業數據挖掘-資料下載頁

數據挖掘數據挖掘∶概念和技術-資料下載頁

從數據挖掘到知識產生-資料下載頁

數據挖掘與大數據技術應用課件-資料下載頁

stanford大學-大數據挖掘-introdu-資料下載頁

論基于股票時間序列數據的關聯規則挖掘研究-資料下載頁

利用bp數據庫有效挖掘生命科學信息-資料下載頁

數據挖掘從大數據庫中挖掘關聯規則(更新版)

數據挖掘從大數據庫中挖掘關聯規則(專業版)

數據挖掘從大數據庫中挖掘關聯規則(留存版)

數據挖掘從大數據庫中挖掘關聯規則-文庫吧