資料探勘多維關聯規則

關聯規則挖掘幫助我們找到大型資料集中的關係。

在多維關聯中，

• 多維關聯規則包含多個方面。

• 數值屬性應該離散化。

• 屬性可以是無量綱的或定量的。

• 定量特徵是數值型的，幷包含等級。

挖掘多維關聯規則的三種方法是：

使用定量屬性的靜態離散化

離散化發生在挖掘之前，是靜態的。離散化屬性被視為絕對的，並使用稱為Apriori演算法的演算法來搜尋所有k頻繁謂詞集（需要k或k+1次表掃描）。頻繁謂詞集的每個子集都應該是連續的。資料立方體最適合挖掘，因為它們有助於加速挖掘。謂詞單元與n維資料立方體的單元相關。

示例：在一個數據立方體中，3D立方體（id，名稱，類別）是頻繁的，那麼它表明（id，名稱）、（名稱，類別）、（id，類別）也是頻繁的。

使用定量屬性的動態離散化

它也被稱為挖掘定量關聯規則，數值屬性被動態離散化。

示例

age(A,"12..25")Λrank(A,"1..4")Λgets(A,"laptop computer")

輸出

在這裡，屬性被分類到區間中，並且基於資料的分佈。這些區間可以進一步組合進行分析，因此離散化是動態的。

元組網格

基於距離的聚類離散化

這是一個動態的離散化過程，它考慮了感興趣資料之間的距離。

挖掘過程涉及兩個步驟。

• 透過執行聚類來找到所涉及屬性的區間。

• 透過搜尋一起出現的叢集組來獲取關聯規則。

注意：規則前件和後件中的叢集是強相關的，並且一起出現。

結論

本文介紹了使用多維關聯規則進行資料探勘，這有助於找到資料集之間的關係，然後使用不同的方法（離散化）進行挖掘。第一種方法是使用靜態離散化，它使用Apriori演算法來定位謂詞集。第二種是動態離散化，它有助於對數值屬性進行動態離散化。第三種是基於距離的離散化，它測量資料點之間的距離。

Amrendra Patel

更新於：2023年8月22日

4K+ 次瀏覽

開啟您的職業生涯

透過完成課程獲得認證

開始學習