數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則挖掘的應(yīng)用研究

《數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則挖掘的應(yīng)用研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、http://www.paper.edu.cn數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則挖掘的應(yīng)用研究吳海玲，王志堅(jiān)，許峰河海大學(xué)計(jì)算機(jī)及信息工程學(xué)院，江蘇南京（210098）摘要：本文首先介紹關(guān)聯(lián)規(guī)則的基本原理，并簡(jiǎn)單概括其挖掘任務(wù)，然后說(shuō)明關(guān)聯(lián)規(guī)則的經(jīng)典挖掘算法Apriori算法，通過(guò)一個(gè)實(shí)例分析進(jìn)一步明確關(guān)聯(lián)規(guī)則在CRM中的應(yīng)用，最后展望了關(guān)聯(lián)規(guī)則挖掘的研究方向。關(guān)鍵詞：數(shù)據(jù)挖掘，關(guān)聯(lián)規(guī)則，Apriori算法，CRM引言關(guān)聯(lián)規(guī)則是表示數(shù)據(jù)庫(kù)中一組對(duì)象之間的某種關(guān)聯(lián)關(guān)系的規(guī)則，關(guān)聯(lián)規(guī)則挖掘的主要對(duì)象是交易(Transaction)

2、數(shù)據(jù)庫(kù)。這種數(shù)據(jù)庫(kù)的一個(gè)主要應(yīng)用是零售業(yè)，比如超級(jí)市場(chǎng)的銷(xiāo)售管理。條形碼技術(shù)的發(fā)展使得數(shù)據(jù)的收集變得更容易、更完整，從而可以存儲(chǔ)大量的交易資料。關(guān)聯(lián)規(guī)則就是辨別這些交易項(xiàng)目之間是否存在某種關(guān)系。例如：關(guān)聯(lián)規(guī)則可以表示“購(gòu)買(mǎi)了商品A和B的顧客中有80％的人又購(gòu)買(mǎi)了商品C和D”。這種關(guān)聯(lián)規(guī)則提供的信息[1]可以用作商品目錄設(shè)計(jì)、商場(chǎng)貨架的布置、生產(chǎn)安排、具有針對(duì)性的市場(chǎng)營(yíng)銷(xiāo)等。1關(guān)聯(lián)規(guī)則的基本原理設(shè)Ｉ＝｛i1，i2，……，im｝是項(xiàng)的集合，設(shè)任務(wù)相關(guān)的數(shù)據(jù)D是數(shù)據(jù)庫(kù)事務(wù)的集合，其中每個(gè)事務(wù)T是項(xiàng)的集合，使得T?I。

3、每一個(gè)事務(wù)有一個(gè)標(biāo)識(shí)符，稱(chēng)作TID。設(shè)X是一個(gè)項(xiàng)集，事務(wù)T包含X當(dāng)且僅當(dāng)X?T。關(guān)聯(lián)規(guī)則是形如X?Y的蘊(yùn)涵式，其中X?I，Y?I，并且X∩Y＝?。規(guī)則X?Y在事務(wù)集D中成立，具有支持度s，其中s是D中事務(wù)包含X∪Y（即X和Y二者）的百分比，它是概率P（X∪Y）。規(guī)則X?Y在事務(wù)集中具有可信度c，如果D中包含X的事務(wù)同時(shí)也包含Y的百分比c。這是條件概率P（XY∣）。即是support(X?Y)=P（XY∪）confidence(X?Y)=P（XY∣）[1]同時(shí)滿(mǎn)足最小支持度(minsup)和最小可信度閾值（min

4、conf）的規(guī)則稱(chēng)作強(qiáng)規(guī)則。項(xiàng)的集合稱(chēng)為項(xiàng)集（itemset）。包含k個(gè)項(xiàng)的項(xiàng)集成為k－項(xiàng)集，例如集合{computer,software}是一個(gè)2—項(xiàng)集。項(xiàng)集的出現(xiàn)頻率是包含項(xiàng)集的事務(wù)數(shù)，簡(jiǎn)稱(chēng)為項(xiàng)集的頻率。項(xiàng)集滿(mǎn)足最小支持度minsup，如果項(xiàng)集的出現(xiàn)頻率大于或者等于minsup與D中事務(wù)總數(shù)的乘[2]積。如果項(xiàng)集滿(mǎn)足最小支持度，則稱(chēng)它為頻繁項(xiàng)集(frequentitemset)。2關(guān)聯(lián)規(guī)則的發(fā)現(xiàn)任務(wù)關(guān)聯(lián)規(guī)則挖掘的問(wèn)題就是要找出這樣的一些規(guī)則，它們的支持度或可信度分別大于指[3]定的最小支持度minsup和最

5、小可信度minconf。因此，該問(wèn)題可以分解成如下兩個(gè)子問(wèn)題：1．產(chǎn)生所有支持度大于或等于指定最小支持度的項(xiàng)集，這些項(xiàng)目集稱(chēng)為頻繁項(xiàng)目集（frequentitemsets），而其他的項(xiàng)目集則成為非頻繁項(xiàng)目集（non-frequentitemsets）2．由頻繁項(xiàng)集產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則。根據(jù)定義，這些規(guī)則必須滿(mǎn)足最小支持度和最小可信度。關(guān)聯(lián)規(guī)則挖掘的問(wèn)題的主要特征是數(shù)據(jù)量巨大，因此算法的效率很關(guān)鍵。目前研究的重點(diǎn)在第一步，即發(fā)現(xiàn)頻繁項(xiàng)目集，因此第二步相對(duì)來(lái)說(shuō)是很容易的。-1-http://www.paper.edu.c

6、n3Apriori挖掘算法關(guān)聯(lián)規(guī)則是反應(yīng)兩項(xiàng)或多項(xiàng)屬性之間存在的相關(guān)性，其目的是為了從一些項(xiàng)的屬性值來(lái)預(yù)測(cè)其他屬性值，同時(shí)可以應(yīng)用推廣所反映一個(gè)事件和其他事件之間依賴(lài)或者關(guān)聯(lián)的知識(shí)。最為著名的關(guān)聯(lián)規(guī)則挖掘方法是由美國(guó)學(xué)者R.Agrawal提出的Apriori算法，主要是用于從大規(guī)模商業(yè)數(shù)據(jù)中挖掘關(guān)聯(lián)規(guī)則。Apriori算法利用了項(xiàng)目集如下性質(zhì)對(duì)數(shù)據(jù)庫(kù)進(jìn)行多趟掃描：任意頻繁項(xiàng)集的子集都是頻繁項(xiàng)集；任意非頻繁項(xiàng)集的超集都是非頻繁項(xiàng)集。第一趟掃描得到頻繁－1項(xiàng)集的集合L1，第k趟掃描前先利用上趟掃描的結(jié)果項(xiàng)目集Lk-

7、1產(chǎn)生k－項(xiàng)集的集合Ck，然后再通過(guò)掃描數(shù)據(jù)庫(kù)確定對(duì)Ck中每一候選k－項(xiàng)集的支持?jǐn)?shù)，最后在該趟結(jié)束時(shí)求出頻繁k項(xiàng)集合Lk，算法在Ck或Lk為空時(shí)終止。下面是Apriori算法的偽代碼：算法：Apriori算法，使用逐步迭代法生成頻繁項(xiàng)集輸入：事務(wù)數(shù)據(jù)庫(kù)D；最小支持度閾值minsup輸出：D中的頻繁項(xiàng)集LL1={large1－itemsets}；for(k=2；Lk-1≠?；k++){Ck＝apriori_gen(Lk-1；minsup)；//產(chǎn)生候選項(xiàng)foralltransactionstD∈{Ct=subse

8、t(Ck，t);//找出包含Ck的事務(wù)子集forallcandidatesc∈Ct{c.count++；}Lk={c∈Ck

9、c.count/

10、D

11、≥minsup}}}ReturnAnswerULkk算法：apriori_gen函數(shù)：輸入：以Lk-1頻繁（k-1）－項(xiàng)集，minsup：最小支持度作為輸入?yún)?shù)輸出：返回所有k－項(xiàng)集的集合Ckprocedureapriori_gen(Lk-1