99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話:13121318867

登錄
首頁精彩閱讀數(shù)據(jù)挖掘系列關(guān)聯(lián)規(guī)則挖掘基本概念與Aprior算法
數(shù)據(jù)挖掘系列關(guān)聯(lián)規(guī)則挖掘基本概念與Aprior算法
2016-08-15
收藏

數(shù)據(jù)挖掘系列關(guān)聯(lián)規(guī)則挖掘基本概念與Aprior算法

關(guān)聯(lián)規(guī)則挖掘在電商、零售、大氣物理、生物醫(yī)學(xué)已經(jīng)有了廣泛的應(yīng)用,本篇文章將介紹一些基本知識和Aprori算法。

啤酒與尿布的故事已經(jīng)成為了關(guān)聯(lián)規(guī)則挖掘的經(jīng)典案例,還有人專門出了一本書《啤酒與尿布》,雖然說這個故事是哈弗商學(xué)院杜撰出來的,但確實能很好的解釋關(guān)聯(lián)規(guī)則挖掘的原理。我們這里以一個超市購物籃迷你數(shù)據(jù)集來解釋關(guān)聯(lián)規(guī)則挖掘的基本概念:

TID Items
T1 {牛奶,面包}
T2 {面包,尿布,啤酒,雞蛋}
T3 {牛奶,尿布,啤酒,可樂}
T4 {面包,牛奶,尿布,啤酒}
T5 {面包,牛奶,尿布,可樂}

表中的每一行代表一次購買清單(注意你購買十盒牛奶也只計一次,即只記錄某個商品的出現(xiàn)與否)。數(shù)據(jù)記錄的所有項的集合稱為總項集,上表中的總項集S={牛奶,面包,尿布,啤酒,雞蛋,可樂}。

一、關(guān)聯(lián)規(guī)則、自信度、自持度的定義

關(guān)聯(lián)規(guī)則就是有關(guān)聯(lián)的規(guī)則,形式是這樣定義的:兩個不相交的非空集合X、Y,如果有X-->Y,就說X-->Y是一條關(guān)聯(lián)規(guī)則。舉個例子,在上面的表中,我們發(fā)現(xiàn)購買啤酒就一定會購買尿布,{啤酒}-->{尿布}就是一條關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則的強度用支持度(support)和自信度(confidence)來描述,

支持度的定義:support(X-->Y) = |X交Y|/N=集合X與集合Y中的項在一條記錄中同時出現(xiàn)的次數(shù)/數(shù)據(jù)記錄的個數(shù)。例如:support({啤酒}-->{尿布}) = 啤酒和尿布同時出現(xiàn)的次數(shù)/數(shù)據(jù)記錄數(shù) = 3/5=60%。

自信度的定義:confidence(X-->Y) = |X交Y|/|X| = 集合X與集合Y中的項在一條記錄中同時出現(xiàn)的次數(shù)/集合X出現(xiàn)的個數(shù) 。例如:confidence({啤酒}-->{尿布}) = 啤酒和尿布同時出現(xiàn)的次數(shù)/啤酒出現(xiàn)的次數(shù)=3/3=100%;confidence({尿布}-->{啤酒}) = 啤酒和尿布同時出現(xiàn)的次數(shù)/尿布出現(xiàn)的次數(shù) = 3/4 = 75%。

這里定義的支持度和自信度都是相對的支持度和自信度,不是絕對支持度,絕對支持度abs_support = 數(shù)據(jù)記錄數(shù)N*support。

支持度和自信度越高,說明規(guī)則越強,關(guān)聯(lián)規(guī)則挖掘就是挖掘出滿足一定強度的規(guī)則。

二、關(guān)聯(lián)規(guī)則挖掘的定義與步驟

關(guān)聯(lián)規(guī)則挖掘的定義:給定一個交易數(shù)據(jù)集T,找出其中所有支持度support >= min_support、自信度confidence >= min_confidence的關(guān)聯(lián)規(guī)則。

有一個簡單而粗魯?shù)姆椒梢哉页鏊枰囊?guī)則,那就是窮舉項集的所有組合,并測試每個組合是否滿足條件,一個元素個數(shù)為n的項集的組合個數(shù)為2^n-1(除去空集),所需要的時間復(fù)雜度明顯為O(2^N),對于普通的超市,其商品的項集數(shù)也在1萬以上,用指數(shù)時間復(fù)雜度的算法不能在可接受的時間內(nèi)解決問題。怎樣快速挖出滿足條件的關(guān)聯(lián)規(guī)則是關(guān)聯(lián)挖掘的需要解決的主要問題。

仔細想一下,我們會發(fā)現(xiàn)對于{啤酒-->尿布},{尿布-->啤酒}這兩個規(guī)則的支持度實際上只需要計算{尿布,啤酒}的支持度,即它們交集的支持度。于是我們把關(guān)聯(lián)規(guī)則挖掘分兩步進行:

1)生成頻繁項集

這一階段找出所有滿足最小支持度的項集,找出的這些項集稱為頻繁項集。

2)生成規(guī)則

在上一步產(chǎn)生的頻繁項集的基礎(chǔ)上生成滿足最小自信度的規(guī)則,產(chǎn)生的規(guī)則稱為強規(guī)則。

關(guān)聯(lián)規(guī)則挖掘所花費的時間主要是在生成頻繁項集上,因為找出的頻繁項集往往不會很多,利用頻繁項集生成規(guī)則也就不會花太多的時間,而生成頻繁項集需要測試很多的備選項集,如果不加優(yōu)化,所需的時間是O(2^N)。

三、Apriori定律

為了減少頻繁項集的生成時間,我們應(yīng)該盡早的消除一些完全不可能是頻繁項集的集合,Apriori的兩條定律就是干這事的。

Apriori定律1):如果一個集合是頻繁項集,則它的所有子集都是頻繁項集。舉例:假設(shè)一個集合{A,B}是頻繁項集,即A、B同時出現(xiàn)在一條記錄的次數(shù)大于等于最小支持度min_support,則它的子集{A},{B}出現(xiàn)次數(shù)必定大于等于min_support,即它的子集都是頻繁項集。

Apriori定律2):如果一個集合不是頻繁項集,則它的所有超集都不是頻繁項集。舉例:假設(shè)集合{A}不是頻繁項集,即A出現(xiàn)的次數(shù)小于min_support,則它的任何超集如{A,B}出現(xiàn)的次數(shù)必定小于min_support,因此其超集必定也不是頻繁項集。

利用這兩條定律,我們拋掉很多的候選項集,Apriori算法就是利用這兩個定理來實現(xiàn)快速挖掘頻繁項集的。

四、Apriori算法

Apriori是由a priori合并而來的,它的意思是后面的是在前面的基礎(chǔ)上推出來的,即先驗推導(dǎo),怎么個先驗法,其實就是二級頻繁項集是在一級頻繁項集的基礎(chǔ)上產(chǎn)生的,三級頻繁項集是在二級頻繁項集的基礎(chǔ)上產(chǎn)生的,以此類推。

Apriori算法屬于候選消除算法,是一個生成候選集、消除不滿足條件的候選集、并不斷循環(huán)直到不再產(chǎn)生候選集的過程。

上面的圖演示了Apriori算法的過程,注意看由二級頻繁項集生成三級候選項集時,沒有{牛奶,面包,啤酒},那是因為{面包,啤酒}不是二級頻繁項集,這里利用了Apriori定理。最后生成三級頻繁項集后,沒有更高一級的候選項集,因此整個算法結(jié)束,{牛奶,面包,尿布}是最大頻繁子集。

算法的思想知道了,這里也就不上偽代碼了,我認為理解了算法的思想后,子集去構(gòu)思實現(xiàn)才能理解更深刻,這里貼一下我的關(guān)鍵代碼:

如果想看完整的代碼,可以查看我的github,數(shù)據(jù)集的格式跟本文所述的略有不通,但不影響對算法的理解。


數(shù)據(jù)分析咨詢請掃描二維碼

若不方便掃碼,搜微信號:CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進行初始化 // 參數(shù)1:配置參數(shù) // 參數(shù)2:回調(diào),回調(diào)的第一個參數(shù)驗證碼對象,之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個配置參數(shù)為必須,不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺檢測極驗服務(wù)器是否宕機 new_captcha: data.new_captcha, // 用于宕機時表示是新驗證碼的宕機 product: "float", // 產(chǎn)品形式,包括:float,popup width: "280px", https: true // 更多配置參數(shù)說明請參見:http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計時完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'!'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'!'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }