基于目标属性的关联规则挖掘

VIP免费

3.0 李佳 2024-09-23 4 4 92KB 6 页 150积分

侵权投诉

2.3 基于目标属性的关联规则挖掘

2.3.1 基于目标属性挖掘的概念

根据关联规则挖掘方法，我们将关联规则挖掘分为两大类:第一类是间接挖掘，即目标属

性是不明确的，第二类是直接挖掘，这时目标属性明确的。传统的关联规则挖掘都是属于

间接挖掘类型。

间接挖掘的例子常见于超市购物篮情形，事先我们并不知道哪几种商品之间有关联，

因此我们也无法预见有趣关联规则的目标属性的内容，在 Apriori 算法中，产生目标属性是

在第二步利用得到的频繁集生成有趣关联规则时，这时一个频繁集可能产生多条有趣规则。

对于直接挖掘情形，我们可以从某一个企业的角度来理解。对于一个企业来说，产

品的数量总是有限的，企业关心的是与该公司产品相关的关联规则，假定销售和相关信息

存放在关系数据库或数据仓库中，企业关心的产品为“手提电脑”，数据库除记录在销售

事务中购买的商品之外，关系数据库可能记录与商品相关的其他属性，如购买数量、价格、

销售分店的地址。另外，关于购物顾客的信息，如顾客的年龄、职业、信誉度、收入和地址等

也可能存储。数据库的每个属性看作为一个谓词，挖掘出的关联规则为多维关联规则，如

age(x, "20...29") ^occupation(x,“学生”)=>buys(x,“手提电脑”)，该规则包含的三个谓词

互不相同，这样的规则称为维间关联规则。如果我们考虑到其它产品的销售，如有关联规

则age(x, "20...29")“一 occupation(x,“学生”)八buys(x,“彩色打印机”=>buys(x,“手提电

脑，’)，该条规则中包含的四个谓词有两个是相同的(buys)，称为混

合维关联规则。在上面的例子，所有的挖掘目标均与“手提电脑”有关，如果我们仍

采用 Apriori 算法，则在求频繁集时，所求出的所有频繁集中均包含“手提电脑”，由频繁

集生成关联规则时，也只生成一条目标属性为“手提电脑”的关联规则。

从组成关联规则的属性来看，似乎有一个颇为混乱的问题，即有的属性既可以位于

关联规则的后部，也可位于规则前部，而有的属性只能位于前部。如在 Apriori 算法中，可

以得出规则“台式机，复印纸=>打印机”，也可得出“台式机，打印机=>复印纸”，因此

属性“打印机”，“复印纸”既可以是决策属性，也可以是目标属性。然而对于

age(x,"20...29")^occupation(x,“学生”)”^buys(x,“彩色打印机”)=>buys(x,“手提电脑")这

样的规则如果把 age 放在关联规则的后部，作为目标属性，显然不适合。由此产生一个问题，

果有的属性是不适合作为目标属性的，那么我们是不是要在生成关联规则的时候判断属性

的类型呢?如果我们将关联规则的挖掘都统一为基于目标属性的挖掘，这个问题就不存在了。

考察第一类和第二类关联规则挖掘，其实是一致的，间接挖掘也可以看作是许多直

接挖掘的组合。超市购物篮例子看似复杂，不同的购物篮中的物品大相径庭，种类繁多，

但是如果我们从超市的供货厂家去分析，每个厂家所关心的只是购物篮中是否有他们厂的

产品，如果有，那么在这个购物篮还有些什么其它产品。在本文中，所讨论的关联规则都

是基于目标属性的挖掘，一下面我们从应用角度解释为什么提出基于目标属性的关联规则

挖掘。

2. 3. 2 提出基于目标属性挖掘的几个原因

我们提出基于目标属性的关联规则挖掘主要出于以下几点考虑:

1.从产品的特性看，不同产品各有各的特点，在挖掘过程中对所有的产品都采用统

一的最小支持度并不合适。例如，奢侈品A和日用品 B两种商品，A的销量自然无法和 B

相比，如果用一个 min-sup 来衡量，A商品很可能不满足最小支持度而不能发掘出它的关

联规则，但从 A商品的厂家来说却是需要A商品的相关规则的。如果设置 min-sup 为0，则

Apriori 算法产生的候选集是巨大的。

如果对不同的商品设置不同的最小支持度min-sup; , Apriori 算法又无法实现。在算法

2.1 中，如果我们得出一个二项候选集为“打印机，复印纸”，在算法第 9步由候选集得出

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

150 积分 4人已下载

立即下载 VIP免费下载

摘要：

2.3基于目标属性的关联规则挖掘2.3.1基于目标属性挖掘的概念根据关联规则挖掘方法，我们将关联规则挖掘分为两大类:第一类是间接挖掘，即目标属性是不明确的，第二类是直接挖掘，这时目标属性明确的。传统的关联规则挖掘都是属于间接挖掘类型。间接挖掘的例子常见于超市购物篮情形，事先我们并不知道哪几种商品之间有关联，因此我们也无法预见有趣关联规则的目标属性的内容，在Apriori算法中，产生目标属性是在第二步利用得到的频繁集生成有趣关联规则时，这时一个频繁集可能产生多条有趣规则。对于直接挖掘情形，我们可以从某一个企业的角度来理解。对于一个企业来说，产品的数量总是有限的，企业关心的是与该公司产品相关的关联...

展开>> 收起<<

基于目标属性的关联规则挖掘.doc

共6页,预览1页

还剩页未读，继续阅读

基于目标属性的关联规则挖掘

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: