基本概念
支持度：两种商品同时被购买占事务总数的比例，反映发现该规则的有用性
置信度：购买一个商品的顾客中同时购买另一个商品的顾客所占比例，反映规则的确定性。
支持度 =支持度({A ∪C}) = 50%
置信度= 支持度({A ∪C})/支持度({A}) = 66.6%
项集：项的集合，如集合{computer，antivirus_software}是一个2项集
频繁项集：同时满足最小支持度阈值和最小置信度阈值的规则
决策树：决策树算法采用树形结构，使用层层推理来实现最终的分类。决策树由下面几种元素构成：
- 根节点：包含样本的全集
- 内部节点：对应特征属性测试
- 叶节点：代表决策的结果
··
单维挖掘方法
可以分为三类：Apriori算法，基于频繁模式增长的算法（如FP-growth算法），使用垂直数据格式的算法
1). Apriori算法
频繁项集先验性质： 频繁项集的所有非空子集也一定是频繁的。
基本思想：使用逐层搜索的迭代方法，其中k项集用于探索（k+1）项集，使用先验性质压缩搜索空间。
如何使用L(k-1)找到L(k): 通过连接步和剪枝步完成。连接步通过将L(k-1)与自身连接产生候选k项集集合。剪枝步从候选k项集确定L(k)。
例子：
C
2
C_2
C2中的{1，2}，{1，5}被剪枝，
L
2
L_2
L2中第一项与2、3、4项不用再考虑
从事务数据库中构建FP-树
使用FP-树循环的产生频繁模式路径
对于每一个项，先构造它的条件模式基，然后构造它的条件FP-树，重复
—> 每一条子路径都是一个频繁模式
条件模式基：最能够成功条件者，是原支持度最高者
FP树挖掘：
- 从头表的最后一项p开始：
直接频繁集是(p:3)
p存在于2条路径当中：路径<f:4,c:3,a:3,m:2,p:2>和路径<c:1,b:1,p:1>。包含p的路径<f,c,a,m,p>出现了2次，同时也会有<f,c,a>出现了3次，出现了4次。但是我们只关注<f,c,a,m,p>（目的是找出包含p的所有频繁集合）。<c,b,p>出现了1次。
p就有2个前缀路径{(fcam:2),(cb:1)}。这两条前缀路径称之为p的子模式基（subpattern-base），也叫做p的条件模式基（因为这个子模式基是在p存在的前提条件下）。
再为这个条件子模式基构造一个FP树：
由于频繁集的阈值是3，剪枝之后只剩下一个分支(c:3)
频繁项目集{cp:3}
- 倒数第二项m
(m:3)
在FP树中存在的两条路径<f:4,c:3,a:3,m:2>和<f:4,c:3,a:3,b1,m:1>，频繁条件子模式基就是{ (fca:2),(fcab:1)}，得到
{fcam:3}
- 倒数第三项<b:3>
(b:3)
三条路径<f:4,c:3,a:3,b:1>,<f:4,b:1>,<c:1,b:1>，形成的频繁条件子模式基为{(fca:1),(f:1),(c:1)}，构建成的ＦＰ树中的所有节点的频率均小于3,那么FP树为空，结束递归
- 倒数第四位<a:3>
(a:3)
有一条路径<f:4,c:3>，频繁条件子模式基为{(fc:3)}
{(fa:3),(ca:3),(fca:3),(a:3)}
- 倒数第五位<c:4>
只有一条路径<f:4>,频繁条件子模式基为{(f:3)}
{(fc:3),(c:4)}
- 最后一位<f:4>
{(f:4)}
流程表：
此部分图片来源于monsion-FP树构造
`
提高Apriori算法效率：
基于散列的技术：将事务产生的k项集散列到散列表的不同桶中，并增加相应桶计数，对应桶计数小于支持度阈值不可能是频繁的，可以从候选集中删除。这一技术可以显著地压缩需要考察的k项集
事务压缩：不包含任何频繁k项集的事务不可能包含任何频繁(k+1)项集，因此在其后的考虑时，可以加上标记或删除。
划分：分两个阶段，阶段一把D划分成n个分区，找出每个分区的局部频繁项集，组合所有局部频繁项集形成候选项集； 阶段二评估每个候选的实际支持度，找出候选项集中的全局频繁项集。整个过程只需要两次数据库扫描。
抽样：基本思想是选取数据库D的随机样本S，然后再S中搜索频繁项集。这种方法牺牲了一些精度换取了有效性，可能会丢失一些全局频繁项集
动态项集计数： 基本思想是奖数据库划分为用开始点标记的块。不像Apriori算法仅在每次完整的数据库扫描前确定新的候选，这种变形中，可以再任何开始点添加新的候选集。该变形需要的数据库扫描笔Apriori算法少。
多层关联规则挖掘
统一支持度：对所有层使用相同的最小支持度
-
优点:只有一个最小的支持度阈值
-
缺点:较低层次抽象的项不大可能像较高层次抽象的项出现的那么频繁
- 太高⇒会遗失低层的关联规则
- 太低⇒会产生太多的高层关联规则
递减支持度:在较低层使用较小的最小支持度
有四种搜索策略:
- 逐层独立
- 层交叉k-项集过滤
- 层交叉单项过滤
- 受控的层交叉单项过滤
多层关联规则的冗余过滤：其父项是冗余的
··
高效挖掘：
- 首先应用粗糙/廉价操作(超集覆盖)
- 接着在一个充分递减的候选集上应用昂贵的算法
由关系数据库和数据仓库挖掘多维关联规则
多维规则: 涉及两个或两个以上的维或谓词
维间关联规则 (没有重复的谓词)
a
g
e
(
X
,
”
19
−
25
”
)
∧
o
c
c
u
p
a
t
i
o
n
(
X
,
“
s
t
u
d
e
n
t
”
)
⇒
b
u
y
s
(
X
,
“
c
o
k
e
”
)
age(X,”19-25”) ∧ occupation(X,“student”) ⇒buys(X,“coke”)
age(X,”19−25”)∧occupation(X,“student”)⇒buys(X,“coke”)
混合维关联规则 (有重复的谓词)
a
g
e
(
X
,
”
19
−
25
”
)
∧
b
u
y
s
(
X
,
“
p
o
p
c
o
r
n
”
)
⇒
b
u
y
s
(
X
,
“
c
o
k
e
”
)
age(X,”19-25”) ∧ buys(X, “popcorn”) ⇒ buys(X, “coke”)
age(X,”19−25”)∧buys(X,“popcorn”)⇒buys(X,“coke”)
··
模式评估
并非所有强关联规则都是有趣的，比如项集计算机游戏和录像可能满足强关联规则，但是它们是负相关的。
提升度：一种相关性的度量，结果值大于1是正相关，为1表示独立，小于1表示负相关。
相关性度量还有最大置信度和余弦。
··
由关联挖掘到相关分析
客观度量：支持度和置信度
主观度量：一个规则(模式)是有趣的文章来源：https://www.toymoban.com/news/detail-466637.html
- 是非预期的(令用户吃惊的)
- 或可控制的 (用户可以用它来做一些事情)
缺点：
也就是条件概率P(A|B)
··
·
文章来源地址https://www.toymoban.com/news/detail-466637.html
到了这里，关于数据挖掘-频繁项集的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
