加權關聯規則挖掘(以apriori和fp-tree算法為例)的權值計算。

以下面的數據為例來進行說明，表2中的交易權重和歸一化權重只是截圖結果，這里的具體數值可不要考慮。

加權支持度的計算為Sup(B)=count(B)*W(B)/總數；Sup(BD)=count(BD)*W(BD)/總數。

這里就是討論W(BD)有幾種計算方法及其優劣。

根據表1和表2可以很容易計算出單個項目的支持度，如Sup(B)=5*1/6=0.83

若要計算多個項目的支持度，如Sup(BD)，Sup(BDA)那么項集BD或BDA的權值應該如何選取，即計算交易權重的方法，有以下幾種：

1、取每條交易記錄的最大值，如BDAC中權值最大的那個作為權值

2、取平均值，表2的交易權重即為該方法計算得出，這樣計算不能突出重點項目

3、歸一化值：Wi''=Wi/(W1+W2+……+Wk) ；W=(W1''+W2''+……+Wk'')/n，權值可能很小

4、

5、該方法的權值可能大于1

6、W(AB)=W(A)*W(B)/(W(A)+W(B))

7、若數據有兩個維度，即X，Y分別屬于不同維度，如X表示所購買的商品，Y表示購買的位置，則權值可以這樣計算：W(X)*W(Y)

若權值大于1，可以進行歸一化處理。

總之，權值的計算還有很多方法，計算時要根據自己數據的特點來選定。但是要注意關聯規則挖掘的頻繁及向下封閉的特性，即如果{AB}或{C}不頻繁，則{ABC}也不頻繁。如上述方法1、2就不可保證該特性，會造成數據的流失。這時候需要對關聯規則算法進行改進，來適應權值的需要。

轉載本文請聯系原作者獲取授權，同時請注明本文來自葉文菁科學網博客。

鏈接地址：http://blog.sciencenet.cn/blog-882768-742786.html

上一篇：weka進行關聯規則挖掘Apriori篇

下一篇：帶背景word如何轉成pdf格式(2010)及提取背景圖片

總結

以上是生活随笔為你收集整理的关联规则算法php,科学网—加权关联规则权值的计算 - 叶文菁的博文的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。