数据挖掘中的模式发现（五）挖掘多样频繁模式

挖掘多层次的关联规则(Mining Multi-Level Associations)

定义

项经常形成层次。

如图所示

那么我们可以根据项的细化分类得到更多有趣的模式，发现更多细节的特性。

Level-reduced min-support

使用的是Level-reduced min-support方法来设置最低支持度，即，越低的层有着越低的支持度。

假设我们使用的是统一的最低支持度，那么如果支持度过低，低层的频繁项集就会较少，导致很多特性显示不出来；如果支持度过高，高层的频繁项集就过多，导致过多无用的特性被展示出来。

group-based “individualized” min-support

不同种类的物品对应的最低支持度应该是不同的，比如钻石等贵重物品出现的频率肯定是低于牛奶面包等日常用品的。

所以应该分组设置最低支持度。

Shared multi-level mining

使用最低层次的支持度来计算和传递候选集。也就是使用的是所有层中支持度最小的。

因为这样可以保证挖掘出的关联规则不会减少。

冗余规则(redundant rules)

挖掘多层关联规则时，由于项之间的“父子”关系，有些发现的规则是冗余的。

例如

已知， 14 的milk销售的是2%milk。

milk→wheatbread [support = 8%,confidence = 70%]
2%milk→wheatbread [support = 2%,confidence = 72%]

我们可以发现，第一个规则是第二个规则的祖先。而我们可以根据第一个规则的值以及比例放缩，计算出第二个规则的期望。而如果一个规则的支持度和置信度都接近“期望值”，那么我们称之为冗余规则。

挖掘多维度的关联规则(Mining Multi-Dimensional Associations)

• 单维规则：
  
  • buys(X,"milk")→buys(X,"bread")
  • 可写成形如 milk→bread 的boolean关联规则
• 多维规则：2维 或者 断言
  
  • 维间关联规则 (no repeated predicates)
    
    • age(X,"19?25")∧occupation(X,"student")→buys(X,"coke")
  • 混合维关联规则 (repeated predicates)
    
    • age(X,"19?25")∧buys(X,"popcorn")→buys(X,"coke")
• 分类属性
  
  • 具有有限个不同值，没有排序
• 定量属性
  
  • 数值的,并在数值间具有隐含的序

挖掘量化关联规则(Mining Quantitative Associations)

定义

量化关联指的是具有数字数据的属性，例如，年龄、工资等。

静态离散化(static discretization)

简单来说就是使用取值范围替代数值。

这里使用取值范围的原因和ID3和C4.5对于离散数字的处理有关，如果你要考虑每一个年龄，或者每一个薪酬，那么项的种类就会过于丰富，从而导致我们不能敏感地发现有价值的关联规则。

但是，如果我们使用十年，或者五年作为一次年龄的分割，我们就可以将项的种类缩小，而每个项出现的频率增加。

数据立方(data cube)

使用一些预定义的层次结构概念，再加上静态的离散化，我们可以得到类似下图的数据立方体。从而更好地实现挖掘功能。

当然，这是固定的分类或者量化方法，也可以通过聚类将某一具体的数据进行分类，从而动态地决定量化方法。

偏差分析(deviation analysis)

用的是统计学的方法进行分析，一般是使用平均值或者中位数等等，然后根据规则和平均值的偏差来挖掘的。

当然，我们也要通过一些统计学的测试来证明这个规则有着较高的可信度，而不仅仅一个例外。

挖掘负相关(Mining Negative Correlations)

罕见模式(Rare Pattern)

它们很少发生，有着较低的支持度，但是它们还是很有趣的。

比如，我们买了周大生的珠宝，虽然很少发生，但是我们需要这方面的规则。

那么，之前说过需要使用分组的方式来设置个性化的最低支持度。

负模式(Negative Pattern)

基于支持度的定义(support-based definition)

负相关项集 项集X是负相关的，如果

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!