关联规则挖掘

第３３卷第２期　２０１６年２月　计算机应用研究　Ａｐｐｌｉｃａｔｉｏｎ　Ｒｅｓｅａｒｃｈ　ｏｆ　Ｃｏｍｐｕｔｅｒｓ　Ｖｏ１．３３　Ｎｏ．２　Ｆｅｂ．２０１６　

关联规则挖掘综述　

崔妍，包志强　

（西安邮电大学通信与信息工程学院，西安７１００６１）　

摘要：近年来国内外学者对关联规则进行了大量的研究，为深入理解关联规则挖掘技术，掌握其研究现状与　

发展趋势，首先介绍了关联规则相关定义与分类方法；其次从串行和并行两个角度总结了关联规则挖掘的一般　

方法，概述并分析了一些典型的关联规则挖掘模式；最后讨论了关联规则挖掘质量改善问题及领域应用。　

关键词：数据挖掘；关联规则；频繁项集；算法　

中图分类号：ＴＰ３９１　文献标志码：Ａ　文章编号：１００１—３６９５（２０１６）０２－０３３０－０５　

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－３６９５．２０１６．０２．００２　

Ｓｕｒｖｅｙ　ｏｆ　ａｓｓｏｃｉａｔｉｏｎ　ｒｕｌｅ　ｍｉｎｉｎｇ　

Ｃｕｉ　Ｙａｎ，Ｂａｏ　Ｚｈｉｑｉａｎｇ　（Ｓｃｈｏｏｌ　ｏｆＣｏｍｍｕｎｉｃａｔｉｏｎ＆Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｘｉ’ａｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆＰｏｓｔｓ＆Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｘｉ’ａｎ　７１００６１，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｉｎ　ｒｅｃｅｎｔ　ｙｅａｒｓ，ｒｅｓｅａｒｃｈｅｒｓ　ａｔ　ｈｏｍｅ　ａｎｄ　ａｂｒｏａｄ　ｈａｖｅ　ｄｏｎｅ　ｍｕｃｈ　ｗｏｒｋ　ｏｎ　ａｓｓｏｃｉａｔｉｏｎ　ｒｕｌｅｓ．Ｔｏ　ｆｕｒｔｈｅｒ　ｕｎｄｅｒｓｔａｎｄ　ｔｈｅ　ｔｅｃｈｎｏｌｏｇｙ　ｏｆ　ａｓｓｏｃｉａｔｉｏｎ　ｒｕｌｅｓ　ａｎｄ　ｉｔｓ　ｃｕｒｒｅｎｔ　ｒｅｓｅａｒｃｈ　ｓｉｔｕａｔｉｏｎ　ａｎｄ　ｄｅｖｅｌｏｐｍｅｎｔ　ｔｒｅｎｄ，ｔｈｉｓ　ｐａｐｅｒ　ｆｉｒｓｔｌｙ　ｉｎｔｒｏｄｕｃｅｄ　ｔｈｅ　ｄｅｆｉｎｉｔｉｏｎ　ｏｆ　ａｓｓｏｃｉａｔｉｏｎ　ｒｕｌｅｓ　ａｎｄ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｍｅｔｈｏｄｓ．Ｓｅｃｏｎｄｌｙ，ｉｔ　ｃｏｎｃｌｕｄｅｄ　ｔｈｅ　ｇｅｎｅｒａｌ　ｍｅｔｈｏｄｓ　ｏｆ　ａｓｓｏｃｉａｔｉｏｎ　ｒｕｌｅ　ｍｉｎｉｎｇ　ｆｒｏｍ　ｔｗｏ　ａｎｇｌｅｓ　ｏｆ　ｓｅｒｉａｌ　ａｎｄ　ｐａｒａｌｌｅｌ，ｏｖｅｒｖｉｅｗｅｄ　ａｎｄ　ａｎＭｙｚｅｄ　ｔｈｅ　ｔｙｐｉｃａｌ　ｐａｔｔｅｒｎｓ　ｏｆ　ａｓｓｏｃｉａｔｉｏｎ　ｒｕｌｅ　ｍｉｎｉｎｇ．Ｆｉｎａｌｌｙ，ｉｔ　ｄｉｓ—　ｃｕｓｓｅｄ　ｔｈｅ　ｐｒｏｂｌｅｍ　ｏｆ　ａｓｓｏｃｉａｔｉｏｎ　ｒｕｌｅ　ｍｉｎｉｎｇ　ｑｕａｌｉｔｙ　ｉｍｐｒｏｖｅｍｅｎｔｓ　ａｎｄ　ｉｔｓ　ｆｉｅｌｄ　ａｐｐｌｉｃａｔｉｏｎ．　Ｋｅｙ　ｗｏｒｄｓ：ｄａｔａ　ｍｉｎｉｎｇ；ａｓｓｏｃｉａｔｉｏｎ　ｒｕｌｅｓ；￣ｅｑｕｅｎｔ　ｉｔｅｍｓｅｔｓ；ａｌｇｏｒｉｔｈｍ　

关联规则挖掘的相关算法

1.Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里，所有支持度大于最小支持度的项集称为频繁项集，简称频集。

该算法的基本思想是：首先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。然后使用第1步找到的频集产生期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义。一旦这些规则被生成，那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有频集，使用了递推的方法。

可能产生大量的候选集,以及可能需要重复扫描数据库，是Apriori算法的两大缺点。

2.基于划分的算法这个算法先把数据库从逻辑上分成几个互不相交的块，每次单独考虑一个分块并对它生成所有的频集，然后把产生的频集合并，用来生成所有可能的频集，最后计算这些项集的支持度。这里分块的大小选择要使得每个分块可以被放入主存，每个阶段只需被扫描一次。而算法的正确性是由每一个可能的频集至少在某一个分块中是频集保证的。该算法是可以高度并行的，可以把每一分块分别分配给某一个处理器生成频集。产生频集的每一个循环结束后，处理器之间进行通信来产生全局的候选k-项集。通常这里的通信过程是算法执行时间的主要瓶颈；而另一方面，每个独立的处理器生成频集的时间也是一个瓶颈。

3.FP-树频集算法采用分而治之的策略，在经过第一遍扫描之后，把数据库中的频集压缩进一棵频繁模式树（FP-tree），同时依然保留其中的关联信息，随后再将FP-tree分化成一些条件库，每个库和一个长度为1的频集相关，然后再对这些条件库分别进行挖掘。当原始数据量很大的时候，也可以结合划分的方法,使得一个FP-tree可以放入主存中。实验表明，FP-growth对不同长度的规则都有很好的适应性，同时在效率上较之Apriori算法有巨大的提高。

关联规则挖掘方法

一、前言

关联规则挖掘是数据挖掘中的一个重要领域，它可以帮助我们发现数据中隐藏的规律和关系，从而为商业决策和市场营销提供支持。本文将介绍关联规则挖掘的方法和步骤，包括数据预处理、频繁项集生成、关联规则生成和评估等。

二、数据预处理

在进行关联规则挖掘之前，我们需要对原始数据进行预处理。首先，我们需要去除无用的属性和记录，并对缺失值进行处理。其次，我们需要将离散型数据转换为数值型数据，并对连续型数据进行离散化。最后，我们需要对异常值进行检测和处理。

三、频繁项集生成

频繁项集是指在数据集中经常出现的一组物品集合。频繁项集生成是关联规则挖掘的第一步，其目的是找到所有满足最小支持度阈值的频繁项集。

1. Apriori算法

Apriori算法是最常用的频繁项集生成算法之一。它基于两个重要性质：单调性和自由子集性质。Apriori算法分为两个阶段：候选项集生成和剪枝。

2. FP-growth算法

FP-growth算法是一种基于树结构的频繁项集生成算法。它通过构建一棵FP树来发现频繁项集。FP-growth算法相对于Apriori算法具有更快的速度和更小的空间复杂度。

四、关联规则生成

在找到所有频繁项集之后，我们需要从中挖掘出有意义的关联规则。关联规则是指形如X->Y的规则，其中X和Y都是物品集合，且X∩Y=∅。

1. 关联规则挖掘

关联规则挖掘是指从频繁项集中挖掘出满足最小置信度阈值的关联规则。置信度是指在条件X下出现Y的概率。

2. 关联规则评估

关联规则评估是指对挖掘出来的关联规则进行评估和选择。常用的评价指标包括支持度、置信度、提升度和全置信度等。

五、总结

本文介绍了关联规则挖掘的方法和步骤，包括数据预处理、频繁项集生成、关联规则生成和评估等。在实际应用中，我们需要根据具体情况选择不同的算法和参数，并进行优化和调整。

数据挖掘关联规则挖掘实验报告

【实验报告】数据挖掘关联规则挖掘

1. 引言

数据挖掘是从大量数据中发现隐含规律、提取有用信息的过程。关联规则挖掘是其中的一个重要任务，通过分析数据集中的项集之间的关系，可以揭示出物品之间的相关性和共现性。本实验旨在通过应用关联规则挖掘算法来探索一份销售数据集中的关联规则，从而提供对销售策略的指导，优化营销决策。

2. 实验设计

2.1 数据收集

为了开展本实验，我们从一个零售企业的数据库中获取了一份销售数据集。该数据集包含了一段时间内的商品销售记录，包括商品编号、交易时间和交易金额。数据集的大小为100,000条记录，共涉及1,000个商品。我们利用Python中的数据处理库，对数据进行预处理和清洗，确保数据的准确性和可靠性。

2.2 数据预处理

在进行关联规则挖掘之前，需要进行适当的数据预处理。首先，我们根据各个交易记录的商品编号，将数据进行分组，以得到每个顾客的购买清单。然后，我们去除数据集中的重复项，确保每个商品在每个购物篮中只出现一次。最后，我们将数据转换为关联规则挖掘算法所接受的事务数据格式，以便后续分析处理。

2.3 关联规则挖掘算法选择

针对本实验的目标，我们选择了经典的Apriori算法进行关联规则挖掘。Apriori算法是一种基于频繁项集的挖掘方法，通过迭代生成候选项集、计算支持度和置信度，来发现频繁项集和相关规则。

3. 实验结果

3.1 关联规则挖掘结果分析

经过数据处理和Apriori算法的运算，我们得到了一系列的频繁项集和关联规则。通过分析这些结果，我们可以发现一些有价值的洞察和结论。

首先，我们观察到某些商品之间存在着强关联性。例如，购买了商品A的顾客通常也会购买商品B，这表明商品A和B具有一定的关联性，可以作为销售捆绑或推荐的策略依据。

其次，我们发现一些商品的关联规则具有较高的置信度。这意味着如果顾客购买了某个商品，他们购买另一个商品的可能性也很大。基于这些规则，我们可以优化促销策略，引导顾客购买更多的相关商品，提升销售额和客户满意度。