- 1、本文档共2页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第 5 章关联分析
列举关联规则在不同领域中应用的实例。
给出如下几种类型的关联规则的例子,并说明它们是否是有价值的。
高支持度和高置信度的规则; (b)高支持度和低置信度的规则; (c)低支持度和低置信度的规则; (d)低支持度和高置信度的规则。
数据集如表 5-14 所示:
表 5-14 习题 5.3 数据集
Customer ID
Transaction ID
Items Bought
1
0001
{a, d, e}
1
0024
{a, b, c, e}
2
0012
{a, b, d, e}
2
0031
{a, c, d, e}
3
0015
{b, c, e}
3
0022
{b, d, e}
4
0029
{c, d}
4
0040
{a, b, c}
5
0033
{a, d, e}
5
0038
{a, b, e}
把每一个事务作为一个购物篮,计算项集{e}, {b, d}和{b, d, e}的支持度。
利用(a)中结果计算关联规则{b, d}→{e} 和 {e}→{b, d}的置信度。置信度是一个对称的度量吗?
把每一个用户购买的所有商品作为一个购物篮,计算项集{e}, {b, d}和{b, d, e}的支持度。
利用(b)中结果计算关联规则{b, d}→{e} 和 {e}→{b, d}的置信度。置信度是一个对称的度量吗?
关联规则是否满足传递性和对称性的性质?举例说明。
Apriori 算法使用先验性质剪枝,试讨论如下类似的性质
证明频繁项集的所有非空子集也是频繁的
证明项集s 的任何非空子集s’的支持度不小于s 的支持度
给定频繁项集l 和它的子集s,证明规则“s’→(l – s’)”的置信度不高于 s→(l – s)的置信度,其中 s’是 s 的子集
Apriori 算法的一个变形是采用划分方法将数据集D 中的事务分为n 个不相交的子数据集。证明D 中的任何一个频繁项集至少在D 的某一个子数据集中是频繁的。
5.6 考虑如下的频繁 3-项集:{1, 2, 3},{1, 2, 4},{1, 2, 5},{1, 3, 4},{1, 3, 5},{2, 3, 4},
{2, 3, 5},{3, 4, 5}。
(a)根据Apriori 算法的候选项集生成方法,写出利用频繁3-项集生成的所有候选 4-项集。(b)写出经过剪枝后的所有候选 4-项集
一个数据库有 5 个事务,如表 5-15 所示。设min_sup=60%,min_conf = 80%。
表 5-15 习题 5.7 数据集
事务
事务 ID
T100
购买的商品
{M, O, N, K, E, Y}
T200 T300 T400
T200 T300 T400
T500
{D, O, N, K, E, Y}
{M, A, K, E}
{M, U, C, K, Y}
{C, O, O, K, I ,E}
分别用 Apriori 算法和 FP-growth 算法找出所有频繁项集。比较两种挖掘方法的效率。
比较穷举法和 Apriori 算法生成的候选项集的数量。
利用(1)所找出的频繁项集,生成所有的强关联规则和对应的支持度和置信度。
购物篮分析只针对所有属性为二元布尔类型的数据集。如果数据集中的某个属性为连续型变量时,说明如何利用离散化的方法将连续属性转换为二元布尔属性。比较不同的离散方法对购物篮分析的影响。
分别说明利用支持度、置信度和提升度评价关联规则的优缺点。
表 5-16 所示的相依表汇总了超级市场的事务数据。其中hot dogs 指包含热狗的事务, hot dogs 指不包含热狗的事务。hamburgers 指包含汉堡的事务, hamburgers 指不包
含汉堡的事务。
表 5-16 习题 5.10 相依表
hot dogs
hot dogs
?row
Hamburgers
2,000
500
2,500
hamburgers
1,000
1,500
2,500
?col
3,000
2,000
5,000
假设挖掘出的关联规则是“hot dogs ? hamburgers”。给定最小支持度阈值 25%和最小置信度阈值 50%,这个关联规则是强规则吗?
计算关联规则“hot dogs ? hamburgers”的提升度,能够说明什么问题?购买热狗和购买汉堡是独立的吗?如果不是,两者间存在哪种相关关系?
对于表 5-17 所示序列数据集,设最小支持度计数为2,请找出所有的频繁模式。
表 5-17 习题 5.11 数据集
Sequence ID
Sequence ID 1
2
3
4
Sequence ID
a(abc)(ac)d(c f )
(ad)c(bc)(ae)
(e f )(ab)(d f )cb
eg(a f )cbc
文档评论(0)