zunia.vn

Tuyển sinh 2024 dành cho Gen-Z

zunia.vn

» Công Nghệ Thông Tin

» Cơ sở dữ liệu

Bài giảng Khai phá dữ liệu (Data mining): Chương 6 - ĐH Bách khoa TP.HCM

Chia sẻ: Lavie Lavie | Ngày: | Loại File: PPT | Số trang:67

Báo xấu

263
lượt xem 22
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài giảng Khai phá dữ liệu (Data mining): Chương 6 - Khai phá luật kết hợp cung cấp cho các bạn những kiến thức tổng quan về khai phá luật kết hợp; biểu diễn luật kết hợp; khám phá các mẫu thường xuyên; khám phá các luật kết hợp từ các mẫu thường xuyên; khám phá các luật kết hợp dựa trên ràng buộc; phân tích tương quan.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Bài giảng Khai phá dữ liệu (Data mining): Chương 6 - ĐH Bách khoa TP.HCM

Khoa Khoa Học & Kỹ Thuật Máy Tính Trường Đại Học Bách Khoa Tp. Hồ Chí Minh Chương 6: Khai phá luật kết hợp Khai phá dữ liệu (Data mining) 1 Học kỳ 1 – 20092010
Nội dung  6.1. Tổng quan về khai phá luật kết hợp  6.2. Biểu diễn luật kết hợp  6.3. Khám phá các mẫu thường xuyên  6.4. Khám phá các luật kết hợp từ các mẫu thường xuyên  6.5. Khám phá các luật kết hợp dựa trên ràng buộc  6.6. Phân tích tương quan  6.7. Tóm tắt 2
Tài liệu tham khảo  [1] Jiawei Han, Micheline Kamber, “Data Mining: Concepts and Techniques”, Second Edition, Morgan Kaufmann Publishers, 2006.  [2] David Hand, Heikki Mannila, Padhraic Smyth, “Principles of Data Mining”, MIT Press, 2001.  [3] David L. Olson, Dursun Delen, “Advanced Data Mining Techniques”, SpringerVerlag, 2008.  [4] Graham J. Williams, Simeon J. Simoff, “Data Mining: Theory, Methodology, Techniques, and Applications”, SpringerVerlag, 2006.  [5] ZhaoHui Tang, Jamie MacLennan, “Data Mining with SQL Server 2005”, Wiley Publishing, 2005.  [6] Oracle, “Data Mining Concepts”, B2812901, 2008.  [7] Oracle, “Data Mining Application Developer’s Guide”, B2813101, 2008. 3
6.0. Tình huống 1 – Market basket analysis 4
6.0. Tình huống 2 Tiếp thị chéo 5
6.0. Tình huống 2 Tiếp thị chéo 6
6.0. Tình huống …  Phân tích dữ liệu giỏ hàng (basket data analysis)  Tiếp thị chéo (crossmarketing)  Thiết kế catalog (catalog design)  Phân loại dữ liệu (classification) và gom cụm dữ liệu (clustering) với các mẫu phổ biến  … 7
6.1. Tổng quan về khai phá luật kết hợp  Quá trình khai phá luật kết hợp  Các khái niệm cơ bản  Phân loại luật kết hợp 8
6.1. Tổng quan về khai phá luật kết hợp  Quá trình khai phá luật kết hợp Pre Post processing Mining Relationships processing Raw Data Items of Interest among Items User (Rules) 9
6.1. Tổng quan về khai phá luật kết hợp  Quá trình khai phá luật kết hợp Pre Post processing Mining Relationships processing Raw Data Items of Interest among Items User (Rules) Transactional/ Association Items Relational Data Rules Transaction Items_bought A, B, C, D, F, A C (50%, 66.6%) … … 2000 A, B, C 1000 A, C 4000 A, D 5000 B, E, F … Bài toán phân tích giỏ thị trường 10
6.1. Tổng quan về khai phá luật kết hợp  Dữ liệu mẫu của AllElectronics (sau quá trình tiền xử lý) 11
6.1. Tổng quan về khai phá luật kết hợp  Các khái niệm cơ bản  Item (phần tử)  Itemset (tập phần tử)  Transaction (giao dịch)  Association (sự kết hợp) và association rule (luật kết hợp)  Support (độ hỗ trợ)  Confidence (độ tin cậy)  Frequent itemset (tập phần tử phổ biến/thường xuyên)  Strong association rule (luật kết hợp mạnh) 12
6.1. Tổng quan về khai phá luật kết hợp  Dữ liệu mẫu của AllElectronics (sau quá trình tiền xử lý) Itemsets: Item: I4 {I1, I2, I5}, {I2}, … Transaction: T800 13
6.1. Tổng quan về khai phá luật kết hợp  Các khái niệm cơ bản  Item (phần tử)  Các phần tử, mẫu, đối tượng đang được quan tâm.  J = {I1, I2, …, Im}: tập tất cả m phần tử có thể có trong tập dữ liệu  Itemset (tập phần tử)  Tập hợp các items  Một itemset có k items gọi là kitemset.  Transaction (giao dịch)  Lần thực hiện tương tác với hệ thống (ví dụ: giao dịch “khách hàng mua hàng”)  Liên hệ với một tập T gồm các phần tử được giao dịch 14
6.1. Tổng quan về khai phá luật kết hợp  Các khái niệm cơ bản  Association (sự kết hợp) và association rule (luật kết hợp)  Sự kết hợp: các phần tử cùng xuất hiện với nhau trong một hay nhiều giao dịch.  Thể hiện mối liên hệ giữa các phần tử/các tập phần tử  Luật kết hợp: qui tắc kết hợp có điều kiện giữa các tập phần t ử.  Thể hiện mối liên hệ (có điều kiện) giữa các tập phần tử  Cho A và B là các tập phần tử, luật kết hợp giữa A và B là A  B.  B xuất hiện trong điều kiện A xuất hiện. 15
6.1. Tổng quan về khai phá luật kết hợp  Các khái niệm cơ bản  Support (độ hỗ trợ)  Độ đo đo tần số xuất hiện của các phần tử/tập phần tử.  Minimum support threshold (ngưỡng hỗ trợ tối thiểu)  Giá trị support nhỏ nhất được chỉ định bởi người dùng.  Confidence (độ tin cậy)  Độ đo đo tần số xuất hiện của một tập phần tử trong điều kiện xuất hiện của một tập phần tử khác.  Minimum confidence threshold (ngưỡng tin cậy tối thiểu)  Giá trị confidence nhỏ nhất được chỉ định bởi người dùng. 16
6.1. Tổng quan về khai phá luật kết hợp  Các khái niệm cơ bản  Frequent itemset (tập phần tử phổ biến)  Tập phần tử có support thỏa minimum support threshold.  Cho A là một itemset  A là frequent itemset iff support(A) >= minimum support threshold.  Strong association rule (luật kết hợp mạnh)  Luật kết hợp có support và confidence thỏa minimum support threshold và minimum confidence threshold.  Cho luật kết hợp AB giữa A và B, A và B là itemsets  AB là strong association rule iff support(AB) >= minimum support threshold và confidence(AB) >= minimum confidence threshold. 17
6.1. Tổng quan về khai phá luật kết hợp  Phân loại luật kết hợp  Boolean association rule (luật kết hợp luận lý)/quantitative association rule (luật kết hợp lượng số)  Singledimensional association rule (luật kết hợp đơn chiều)/multidimensional association rule (luật kết hợp đa chiều)  Singlelevel association rule (luật kết hợp đơn mức)/multilevel association rule (luật kết hợp đa mức)  Association rule (luật kết hợp)/correlation rule (luật tương quan thống kê) 18
6.1. Tổng quan về khai phá luật kết hợp  Phân loại luật kết hợp  Boolean association rule (luật kết hợp luận lý)/quantitative association rule (luật kết hợp lượng số)  Boolean association rule: luật mô tả sự kết hợp giữa sự hiện diện/vắng mặt của các phần tử.  Computer  Financial_management_software [support=2%, confidence=60%]  Quantitative association rule: luật mô tả sự kết hợp giữa các phần tử/thuộc tính định lượng.  Age(X, “30..39”) Income(X, “42K..48K”)  buys(X, high resolution TV) 19
6.1. Tổng quan về khai phá luật kết hợp  Phân loại luật kết hợp  Singledimensional association rule (luật kết hợp đơn chiều)/multidimensional association rule (luật kết hợp đa chiều)  Singledimensional association rule: luật chỉ liên quan đến các phần tử/thuộc tính của một chiều dữ liệu.  Buys(X, “computer”)  Buys(X, “financial_management_software”)  Multidimensional association rule: luật liên quan đến các phần tử/thuộc tính của nhiều hơn một chiều.  Age(X, “30..39”)  Buys(X, “computer”) 20

CÓ THỂ BẠN MUỐN DOWNLOAD

THÔNG TIN

TRỢ GIÚP

HỖ TRỢ KHÁCH HÀNG

Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.