标签：color 方法 除了 事物 阈值 image 分类 cond 依次
关联规则
1 关联规则
关联规则挖掘的目的是在数据项目中找出所有的并发关系，除了基本Aprioris算法，还有一些常用的改进算法，例如多最小支持度的关联规则挖掘，分类关联规则挖掘。
Aprioris算法基于演绎原理（或称为向下封闭属性）来高效地产生所有频繁项目集。算法基于逐级搜索的思想，它采用多轮搜索的方法，每一轮搜索扫描一遍整个数据集，并最终生成所有的频繁项目集合。
多最小支持度算法简称为"MS-Apriori算法"，它通过对项目集合中的项目基于最小项目支持度值来进行升序排序。该算法也是基于逐级搜索的，通过多次遍历数据之后产生所有频繁项目集。
分类关联规则挖掘（Class Association Rules，CAR）和一般的关联规则有两点不同，第一点是：CAR的后件只有一个项目，第二点是：CAR的后件只能从分类标识集合中选取。项目集合中的项目都不能作为后件使用，分类标识集合中的项目也不能作为前件使用。
下面通过具体应用说明上述三种关联规则的应用与差别。
首先给出一个事物集合的例子。
给定最小支持度minsup=30%和最小置信度mincof=80%。通过三种数据挖掘方法，找寻事物集合中的关联规则。
1.1 Apriori算法
Apriori算法分两步进行，第一步生成所有频繁项目集，第二步从频繁项目集中生成所有可信关联规则。
1.1.1 生成频繁项目集过程
（1）在第一轮搜索中，算法计算出所有只包含一个项目的项集在事务中的支持度，并且写出单项目频繁项目集（即1-频繁项目集）。（算法第1-2行）
（每个频繁项目集后的数字表示这个频繁项目集的支持计数，在例子中支持度计数大于等于3即可）
作为种子集合产生候选项集集合
，而
中的这些候选项目集都是可能的频繁项目集。这个过程通过candidate-gen函数完成。
Candidate-gen（候选项集集合
的生成）函数：该函数可以分成两步：合并和剪枝
合并：这一步将两个（k-1）-频繁项目集合并来产生一个可能的k-候选项集c。两个频繁项目集的前k-2个项目都是相同的，只有最后一个项目是不同的。随后c被加入到候选项目集合
中。
剪枝：从合并步中得到的候选项集集合并不是最终的
。该候选项集要满足向下封闭原理，需要判断c的所有（k-1）-子集是否都在
中。
中每个候选项集c的支持度。（算法5-10行）
中每个候选项集的支持度，并将符合最小支持度要求的候选项集加入
中。（算法11行）
1.1.2 事例生成频繁项目集的过程
：{{牛肉}：4，{鸡肉}：5，{牛奶}：4，{奶酪}：4，{衣服}：3}
：{{牛肉，鸡肉}，{牛肉，牛奶}，{牛肉，奶酪}，{牛肉，衣服}，......}
?
：{{牛肉，鸡肉}：3，{鸡肉，牛奶}：4，{牛肉，奶酪}：3，{鸡肉，衣服}：3，{衣服，牛奶}：3}
：{{鸡肉，衣服，牛奶}}
：{{鸡肉，衣服，牛奶}：3}
1.1.3 规则生成的过程
首先，需要明确一点，当给定一个频繁项目集f时，如果一个关联规则的后件为a，那么所有以a的任一非空子集为后件的候选规则都是关联规则。（先前条件）
算法如下：
1.1.4 事例规则生成的过程
中的频繁项目集生成1-后件候选关联规则：
规则1：鸡肉，衣服
牛奶[支持度=3/7，置信度=3/3]
规则2：鸡肉，牛奶
衣服[支持度=3/7，置信度=3/4]（删除）
规则3：衣服，牛奶
鸡肉[支持度=3/7，置信度=3/3]
中的频繁项目集生成2-后件候选关联规则：
规则4：衣服
牛奶，鸡肉[支持度=3/7，置信度=3/3]
1.2 MS-Apriori算法
?
2.1.1 生成频繁项目集过程
MS-Apriori算法的详细流程。
算法第1行对I中的所有项目根据项目的MIS值（存储在MS中）进行排序。
算法第2行调用init-pass()函数对数据进行第一遍遍历，得到生成
（基数为2的候选项集集合）的种子L。Init-pass函数分为两步：
的项目i，将其加入L中。对于M中i之后的每个项目j，如果
，则将j加入L中。
之后对数据的每一遍遍历，算法都执行三步操作：
生成候选项集集合
。K=2是一个特例，这是候选项集集合的函数为Level2-candidate-gen（）。
Level2-candidate-gen函数：函数有一个参数L，返回一个集合，是所有2-频繁项目集集合的超集。同时要满足
。
MScandidate-gen函数：函数也分为两步，合并和剪枝。合并步和candidate-gen()函数一样。剪枝步则不同。
对于c的每个（k-1）-子集s，如果s不在
中，且s包含c[1]，也即c中拥有最低MIS值的项目，则c就能从
中删除。如果这个s不不包含c[1]，则即使s并不在
中，我们也不能把c删除，因为我们不能断定s不满足MIS（c[1]）。
中各项集的支持计数。对每个候选项集c，算法不仅计算它的支持计数，同时也计算去掉c的第一个项目后的支持计数，也即c-{c[1]}，这个数据将在关联规则的生成阶段用到。
?
注意：在实际应用中，如果不想生成某些频繁项目集，只需将该频繁项目集的最小支持度设置为101%。
2.1.2 规则生成的过程
在MS-Apriori算法中，仅仅记录每个频繁项目集的支持计数是不够的。同时我们还要避免头项目问题的产生，即只有当频繁项目集中具有最小MIS值的项目处于规则的后件时才会发生头项目问题。
1.3 分类关联规则
生成分类关联规则的算法称为CAR-Apriori，是基于Apriori算法的。CAR-Apriori算法需要多次遍历数据来生成所有频繁项目规则的项。
不同于一般的关联规则挖掘CAR可以直接一步生成，关键的操作是找出所有支持度高于最小支持度阈值的规则项。一个规则项表示为：
(condset，y)
其中condset属于I是一个项目集合，成为条件集，y属于Y是一个类标。一个条件集的支持计数表示为condsupCount，是T中包含该条件集的事物的数量，称为条件集支持计数。一个规则项(condset，y)的支持计数表示为rulesupCount，是T中包含条件集countset且类标为y的事物的数量，称为规则支持计数。只要满足最小支持度的规则项都称为频繁规则项，其余的都称为非频繁规则项。
在第一遍遍历中，算法计算每个1-规则项的支持计数。所有的1-候选规则项的集合为：
算法第2行决定
中候选1-规则项是否频繁的。从频繁1-规则项中，我们生成1-前件CAR。后续的遍历，以K-1轮生成的频繁（k-1）-规则项的集合为种子生成k-候选规则项的集合。每个候选k-规则项的真实支持计数，包括condsupCount和rulesupCount，在对事物数据集合的扫描中得到更新。在数据扫描结束后，算法决定
中哪些候选k-规则项是真正频繁地。与Aprioir算法中唯一的不同是，CARcandidate-gen()中，仅仅将具有相同 分类的规则项通过合并它们的条件集进行合并。
标签：color 方法 除了 事物 阈值 image 分类 cond 依次
原文地址：http://www.cnblogs.com/smuxiaolei/p/7614241.html
