資源描述：
《apriori算法優(yōu)化及其在挖掘?qū)W生成績中應用》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、-摘要隨著數(shù)據(jù)庫技術(shù)的發(fā)展，人們采集數(shù)據(jù)的能力越來越高，信息快速膨脹，人們急需從這些數(shù)據(jù)中得到有用的知識，于是數(shù)據(jù)挖掘技術(shù)應運而生。數(shù)據(jù)挖掘的過程即是從大量的數(shù)據(jù)中獲取有趣知識的過程，而關(guān)聯(lián)規(guī)則作為它的一個重要分支，更是為決策過程提供良好的手段。本文則是圍繞著這一關(guān)聯(lián)規(guī)則這一主題進行探索。首先簡單介紹了關(guān)聯(lián)規(guī)則的定義、分類、挖掘過程，然后著重介紹了挖掘模型Apriori算法，并提出了一種基于事務(wù)壓縮的改進算法，最后針對我們信管專業(yè)同學的成績這一成績作為原始數(shù)據(jù)，在SPSSClementine這一挖掘平臺上進行關(guān)聯(lián)規(guī)則的挖掘，以獲取不同課程學習之間的一些關(guān)系。關(guān)鍵
2、詞 數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則Apriori算法SPSSClementineAbstractWiththedevelopmentofdatabasetechnology,thecapacityfordatacollectionhasadvancedmoreandmorequickly,inducingtherapidexpansionofinformation,Dataminingtechniquesemergedforpeopleneedtogetinterestingknowledgefromthesedata.Dataminingprocessistoobtaini
3、nterestingknowledgefromalargenumberofdata.Associationrulesasanimportantbranchofit,istoprovideagoodmeansofdecision-makingprocess.Thisarticleiscenteredonthethemeofthisassociationrules.First,abriefdefinitionofassociationrules,classificationanddataminingprocess,andthenfocusesontheminingm
4、odelApriorialgorithm,andproposesatransaction-basedcompressionoftheimprovedalgorithm,andfinallyfusesourstudents’scoresastheoriginaldata,makingdataminingaboutassociationruleontheminingplatSPSSClementine,toobtainanumberofdifferentrelationshipsbetweencourses.KeywordsDataMiningassociation
5、AprioriSPSSClementine不要刪除行尾的分節(jié)符，此行不會被打印.---目錄目錄摘要IAbstractI第1章緒論31.1課題背景31.1.1學術(shù)背景31.1.2商業(yè)背景31.2研究內(nèi)容4第2章關(guān)聯(lián)規(guī)則52.1基本概念52.1.1定義52.1.2分類52.1.3過程62.2Apriori算法62.2.1算法思想62.2.2實例分析62.3Apriori算法改進92.3.1改進思想92.3.2實例分析9第3章數(shù)據(jù)挖掘在學生成績中的應用113.1數(shù)據(jù)挖掘工具簡介-SPSSClementine113.2建模過程113.2.1數(shù)據(jù)清洗與集成113.2.2數(shù)
6、據(jù)選擇與轉(zhuǎn)換123.2.3數(shù)據(jù)挖掘123.3模式評估與表示13附15.---第1章緒論1.1課題背景1.1.1學術(shù)背景隨著數(shù)據(jù)庫技術(shù)的逐漸成熟和計算機網(wǎng)絡(luò)的迅速普及，人們采集數(shù)據(jù)的能力得到了極大的提高，導致全球范圍的信息急劇膨脹，為了對這些少量信息的隱藏知識進行開發(fā)，數(shù)據(jù)挖掘技術(shù)應運而生。數(shù)據(jù)挖掘（DataMining，DM），是一種決策支持過程，它主要基于人工智能、機器學習、統(tǒng)計學技術(shù)，高度自動化地分析企業(yè)原有的數(shù)據(jù)，做出歸納性的推理，從中挖掘出潛在的模式，幫助決策者做出正確的決策。簡單地說：數(shù)據(jù)挖掘就是指從大量數(shù)據(jù)中提取知識。從廣義上講，關(guān)聯(lián)分析是數(shù)據(jù)挖掘的
7、本質(zhì)。既然數(shù)據(jù)挖掘的目的是發(fā)現(xiàn)潛藏在數(shù)據(jù)背后的知識，那么這種知識一定是反映不同對象之間的關(guān)聯(lián)。關(guān)聯(lián)知識反映一個事件和其他事件之間的依賴和關(guān)聯(lián)。數(shù)據(jù)庫中的數(shù)據(jù)一般都存在著關(guān)聯(lián)關(guān)系，這種關(guān)聯(lián)是復雜的，有時是隱含的。關(guān)聯(lián)分析的目的就是要找出數(shù)據(jù)庫中隱藏的關(guān)聯(lián)信息。關(guān)聯(lián)分析發(fā)現(xiàn)關(guān)聯(lián)規(guī)則，這些規(guī)則展示屬性-值頻繁地在給定數(shù)據(jù)集中一起出現(xiàn)的條件。這些關(guān)聯(lián)并不總是事先知道的，而是通過數(shù)據(jù)庫中數(shù)據(jù)的關(guān)聯(lián)分析獲得的。關(guān)聯(lián)規(guī)則挖掘是關(guān)聯(lián)知識發(fā)現(xiàn)的最常用方法，它挖掘發(fā)現(xiàn)大量數(shù)據(jù)中項集之間有趣的關(guān)聯(lián)或相關(guān)聯(lián)系。其目的就是從數(shù)據(jù)庫中挖掘出最低支持度和最低可信度的關(guān)聯(lián)規(guī)則。其中最為著名的是
8、Agrawal等提出的A
