数据挖掘中的模式发现（五）挖掘多样频繁模式

s(x)是给出了X的所有项统计独立的概率估计。如果它的支持度小于使用统计独立性假设计算出的期望支持度。s(X)越小，模式就越负相关。简单来说，就是这两个事件不太会同时发生。

基于Kulczynski测量的定义

如果两个项集A和B，有如下关系

则称其为负相关。（其中 ? 是人为设置的负相关的阈值）

负相关关联规则

规则 X→Y 是负相关的，如果

其中 X∩Y=? ，这里定义的X和Y中的项的负相关部分条件，负相关的完全条件为

其中 xi∈X 而 yi∈Y 。因为X或Y中的项通常是正相关的，因此使用部分条件而不是完全条件来定义负相关关联规则更实际。如规则

是负相关的，但是其中项集内的项之间是负相关的，眼镜盒镜头清洁剂是负相关的，如果使用完全条件，可能就不能发现该规则了。

负相关条件也可以用正项集和负项集的支持度表示

可以得到负相关的条件为

负相关项集和负相关关联规则统称为负相关模式(negatively correlated pattern)。

挖掘压缩模式(Mining Compressed Patterns)

我们在进行数据挖掘的时候，会发现大量的模式，但是其中有不少的模式会有一些相似的地方，所以你得出这些规则并没有太多的意义。

（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!