数据挖掘中的关联规则挖掘算法

关联规则数据挖掘

学习报告

1 目录

引言 2

案例 2

关联规则 3

（一）关联规则定义

（二）相关概念

（三）关联规则分类

数据

6

（一）小型数据

（二）大型数据

应用软件 7

（一）WEKA

（二）IBM SPSS Modeler

数据挖掘 12

总结

27

2 一、引言

数据库与互联网技术在日益发展壮大，人们每天可以获得的信息量呈指数级增长。如何从这浩如瀚海的数据中找出我们需要的数据显得尤为重要。数据挖掘又为资料探勘、数据采矿。它是数据库知识发现中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。

数据挖掘大致分为以下几类：分类 （Classification）、估计（Estimation）、预测（Prediction）、相关性分组或关联规则（Affinity grouping or association rules）、聚类（Clustering）、复杂数据类型挖掘(Text, Web ,图形图像，视频，音频等)。

龙源期刊网

基于关联规则的数据挖掘算法

作者：胡涛

来源：《电子技术与软件工程》2018年第02期

摘 要 在数据挖掘技术中，基于关联规则的数据挖掘算法是较为重要的一个课题，是我国信息技术领域的热门研究课题。基于此，本文从数据挖掘算法入手，对基于关联规则的数据挖掘算法进行了分析，将这一算法的原理作为基础，提出了提高数据挖掘算法概率的改进措施，意在提高数据挖掘算法的处理效果，使其应用于更多领域中。

【关键词】关联规则 数据挖掘算法 反馈机制

在基于关联规则数据挖掘算法中，有很多算法，比如Apriori算法、完全频繁项集挖掘算法以及Patition算法等。但是这些算法需要大量的候选集，导致数据挖掘的效率比较低。近些年来，很多研究学者都对数据挖掘算法效率的提升进行了分析研究，也取得了一定的成效，然而就改进的数据挖掘算法来说，存在着各自的优缺点。因此，仍旧需要加强对数据挖掘算法的分析和研究。

1 数据挖掘算法概述

作为一种先进的信息处理技术，数据挖掘技术具有非常高的商业价值，该技术可以帮助人们改变传统的联机查询，而是将数据的应用提升到决策分析预测等方面。常用的数据挖掘技术主要包括规则归纳、支持向量、模糊集以及统计方法这四个特点。数据挖掘技术应用的挖掘方法非常多，比如，当代数学分析法、证据理论法、神经网络发以及遗传算法等；数据挖掘技术的使用对象也比较广泛，比如，空间数据库、事态数据库、多媒体数据库以及遗产数据库等。

2 基于关联规则的数据挖掘算法分析

2.1 算法的原理

在多种数据挖掘算法中，基于关联规则的数据挖掘算法是最基本的算法之一，这种算法的适用性和可操作性都比较强，而且十分简单。具体原理如下：首先进行数据出现频率支持度和关联规则可信度的设定，然后通过特定的算法在已知的数据中找到满足支持度要求的频繁项集，并在该项集中应用剪枝等多种策略来获取满足可信度要求的关联规则。在关联规则数据挖掘算法中，频繁项集的确定是重点研究内容。

数据库技术・Ｄａｔａ　Ｂａｓｅ　Ｔｅｃｈｎｉｑｕｅ　

数据挖掘技术与关联规则挖掘算法　

当今是一个信息技术飞速发　展的时代，人们在Ｅｌ常的生活和　工作中产生的数据量越来越大，　要让人们理解和接受这些错综复　杂的数据，数据研究工作者需要　采用数据挖掘技术来解决这一难　题。本研究就对数据挖掘技术进　行分析，并对当前运用较多的关　联规则挖掘算法进行探讨。　

【关键词】数据挖掘关联规则算法　

数据挖掘是对数据进行理解分析，对数　

据中隐藏的知识进行挖掘发现的技术，所以也　

称为数据库中的知识发现（ＫＤＤ）。数据挖　

掘技术在近几年来的研究越来越深入，这是数　

据研究工作者经过长期在大量的应用过程中探　

索研究的成果。在数据挖掘技术中的关联规则　

是应用较为广泛的一种算法，数据研究工作者　

在大量数据中获取微量信息时，关联规则能发　

挥其重要的价值。本研究在对数据挖掘技术相　

关概念进行分析的基础上，对关联规则中的集　

中常用算法进行探讨，以期为数据研究工作这　

提供可靠参考。　

１数据挖掘技术介绍　

１．１数据挖掘技术的概念　

数据挖掘技术是一门包容性以及开放性　

较强的跨领域数据信息揭示学科，这项技术能　

从大量含有噪声，且模糊不确定的实际业务数　

据中进行计算，在这些数据中对当前尚未发现，　

或者没有被明确认知的具有一定价值的知识信　

息进行揭示。在进行数据挖掘中的业务数据形　

式不是单一固定的，是复杂多样的，所以数据　

挖掘得出的分析结果形式能以多种形式表现出　

来，可以是具有较强逻辑性的数学表达式，也　

可以是容易被一般用户理解的结果。且数据挖　

掘技术在科学研究、市场分析等领域均得到了　

广泛的应用。　

１．２数据挖掘技术分类　

数据挖掘功能的分类主要是根据数据挖　

掘功能的不同进行的，当前的数据挖掘技术主　

要有关联规则挖掘技术、分类挖掘技术、孤立　

点挖掘技术以及聚类挖掘技术等。本研究主要　

对关联规则挖掘算法进行详细探讨。　

２关联规则挖掘算法　

２．１关联规则种类介绍　文／何栋　

龙源期刊网

数据挖掘技术与关联规则挖掘算法研究

作者：郭玲

来源：《硅谷》2014年第15期

摘 要 随着人们对信息数据量的急速增长从而数据挖掘技术也随之应运而生，这使得人们对知识与信息的渴求得到了进一步满足。对于如何才能快速高效的获取知识，对于信息处理技术来说已经成为当前热门的研究课题。审视当前对于关联规则的研究现状，针对关联研究的现状，分析实际问题对于关联规则总结出一种新的研究方式，结论为关联规则算法在今后的出路和进一步的研究上指明了方向。研究过程中通过对文献的查询分析和比较分析两种方法，进一步阐述对典型关联产生影响的各种方法，其中最为重要的是把核心Apriori算法作为一个研究的基点。

关键词 数据挖掘；关联规则；典型关联；Apriori算法

中图分类号：TP311 文献标识码：A 文章编号：1671-7597（2014）15-0030-03

当今社会人们对计算机应用提出了更高要求，如今人们慢慢的意识到关系数据库有很多缺点和限制，这种问题又推动了数据库在更深领域上的研究。当前专家们对数据库的研究内容主要是把数据库技术与其他技术相结合，然后应用到特定领域中，这种研究现在已经取得了骄人的成绩。

1 数据挖掘技术

1.1 数据挖掘概念

从数据挖掘的本质上说它是一种具有更高商业价值的新型信息处理技术，数据挖掘技术的作用是对数据的应用来说的，其目的是使人们从低层次的联机查询过渡到对数据决策支持分析预测上，从而成为更高层次的应用。

1.2 数据挖掘技术的分类

关于数据挖掘针对其挖掘的对象，大致的可以做出以下分类，具体分为时态数据库、异质数据库、文本数据源、关系数据库面向对象数据库（Object-Oriented Database）、空间数据库、遗产数据库、多媒体数据库以及web等比较具有针对性的挖掘对象。针对数据挖掘的方法大致的可以归纳为：计算机学习法、数理统计法、信息聚类分析法、遗传算法Genetic