數(shù)據(jù)挖掘算法基于關(guān)聯(lián)規(guī)則的分析和應(yīng)用

劉小燕

【摘要】本文主要對(duì)數(shù)據(jù)挖掘算法及關(guān)聯(lián)法則基礎(chǔ)上針對(duì)Apriori算法特點(diǎn)進(jìn)行分析，并提出了Apriori算法及關(guān)聯(lián)規(guī)則算法思路，通過改進(jìn)Apriori算法可效避免產(chǎn)生冗余規(guī)則，確保挖掘所得數(shù)據(jù)簡(jiǎn)潔完備。

【關(guān)鍵詞】數(shù)據(jù)挖掘算法 關(guān)聯(lián)規(guī)則 Apriori算法

【中圖分類號(hào)】G64 【文獻(xiàn)標(biāo)識(shí)碼】A 【文章編號(hào)】2095-3089（2017）11-0240-01

數(shù)據(jù)挖掘另可稱之為數(shù)據(jù)庫(kù)中知識(shí)的發(fā)現(xiàn)，是指在大量模糊的、不完全的、隨機(jī)的數(shù)據(jù)中，提取部分人們事先不知道的卻存在一定潛在應(yīng)用價(jià)值的信息及知識(shí)的整體過程，是發(fā)現(xiàn)知識(shí)挖掘知識(shí)的重要步驟。

1.關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則挖掘?qū)儆跀?shù)據(jù)挖掘算法中應(yīng)用最為廣發(fā)的算法之一，關(guān)聯(lián)規(guī)則挖掘值得是在大型數(shù)據(jù)集內(nèi)尋找存在有趣關(guān)聯(lián)的關(guān)系，進(jìn)而從數(shù)據(jù)集內(nèi)進(jìn)行相應(yīng)識(shí)別，也可稱為頻繁集，通過應(yīng)用頻繁集創(chuàng)造及描述關(guān)聯(lián)規(guī)則的一個(gè)過程。當(dāng)前Apriori 算法在數(shù)據(jù)分析、高層決策以及商業(yè)情報(bào)等多個(gè)領(lǐng)域得到應(yīng)用，經(jīng)典Apriori 算法需要借助數(shù)據(jù)庫(kù)進(jìn)行多次掃描生成大量候選集，因此經(jīng)典化算法挖掘能力一般產(chǎn)生較多冗余規(guī)則，因此通過數(shù)據(jù)挖掘算法基于關(guān)聯(lián)規(guī)則分析提出改進(jìn)Apriori 算法十分重要，可更好進(jìn)行關(guān)聯(lián)規(guī)則提取。

2.Apriori 算法

Apriori 算法應(yīng)用的突出特點(diǎn)，即應(yīng)用時(shí)需通過多次數(shù)據(jù)庫(kù)掃描才能發(fā)現(xiàn)所有頻繁集。如果將最長(zhǎng)頻繁集長(zhǎng)度設(shè)為K，即應(yīng)用Apriori 算法是經(jīng)多次掃描得出的結(jié)果記為K，第1次實(shí)施掃描時(shí)Apriori 算法可計(jì)算得出數(shù)據(jù)庫(kù)單項(xiàng)目支持度，并滿足最小支持度1-強(qiáng)度集，集合L1。后續(xù)通過L1可陸續(xù)挖掘得出L2（2-強(qiáng)項(xiàng)集），依次循環(huán)，通過反復(fù)N次掃描，可以N-1次掃描所得的N-1強(qiáng)項(xiàng)集集合LN-1為種子集，利用種子集生成N-強(qiáng)項(xiàng)集集合（候選集CN），通過計(jì)算候選集指出度，確定可滿足最小支持度N的強(qiáng)項(xiàng)集集合LN。通過上述過程的不斷重讀可不斷產(chǎn)生新強(qiáng)項(xiàng)集，直至無強(qiáng)項(xiàng)集產(chǎn)生。經(jīng)典Apriori 算法在應(yīng)用中存在較多不足，需要對(duì)數(shù)據(jù)庫(kù)進(jìn)行多次掃描，對(duì)計(jì)算機(jī)資源進(jìn)行大量消耗。

3.改進(jìn)Apriori 算法

3.1 改進(jìn)思路

改進(jìn)Apriori 算法是在應(yīng)用可拓理論基礎(chǔ)上開展的Apriori 算法，可拓性主要是指事物進(jìn)行拓展的可能性，因事物可拓性屬于其本身特有性質(zhì)，主要包括相關(guān)性、發(fā)散性及蘊(yùn)含性方面，從自身向外、變通、平行以及組合、分解等角度提供多種變換途徑的可能性。將給定事物名稱設(shè)置為N，與其相關(guān)特征C量值定位V，將有序三元組R作為事物描述的基本元（物元），事物名稱主要包括三大要素，即名稱（N）、特征（C）及量值（V）?；诳赏乩碚搼?yīng)用改進(jìn)Apriori 算法主要包括兩個(gè)步驟，第一，大征集交運(yùn)算，以X1及X2為大征集，交運(yùn)算后將生成所得的征集描述為X，X為X1及X2包含子句的合取范式。第二，征集刪除運(yùn)算，將K元征集內(nèi)每個(gè)征集XK中k-1元子句實(shí)施檢查，若發(fā)現(xiàn)k-1元子句確定征集不屬于大征集，則需將其刪除。

3.2 改進(jìn)算法描述及性能驗(yàn)證

改進(jìn)Apriori 算法，首先需對(duì)數(shù)據(jù)庫(kù)（D）進(jìn)行掃描，將每條記錄內(nèi)元素均進(jìn)行統(tǒng)計(jì)記錄，得到元素集合（S），以S內(nèi)元素構(gòu)成單獨(dú)集合形成元候選集（H1），設(shè)置元計(jì)數(shù)單位（k，k=1），概念描述（Y）依次對(duì)Hk內(nèi)各征集XkyY支持度（s）及置信度（cEc0）進(jìn)行計(jì)算，輸出規(guī)則XkyY，若果Xk的cEc0可將其存入大征集Lk內(nèi)，若Lk元素?cái)?shù)量低于2，需停止。Lk內(nèi)選擇2個(gè)不同征集Xki及Xkj，逐一進(jìn)行元素對(duì)比，若符合k-1 個(gè)元素，第k元素不同需將Xki元素與Xki第k個(gè)元素組成新元征集（k+1），將其存入Hk+1內(nèi)。針對(duì)Lk內(nèi)所有征集，兩兩進(jìn)行上述操作生成k+1候選集，確保k=k+1。為進(jìn)一步對(duì)改進(jìn)Apriori 算法進(jìn)行驗(yàn)證需采取VC++確保上述算法實(shí)現(xiàn)，并借助SQL Server2005數(shù)據(jù)庫(kù)內(nèi)相關(guān)模擬實(shí)驗(yàn)數(shù)據(jù)進(jìn)行驗(yàn)證。借助改進(jìn)Apriori 算法進(jìn)行挖掘所得規(guī)則無冗余規(guī)則及遺漏規(guī)則，但最小支持度加大或數(shù)據(jù)庫(kù)內(nèi)數(shù)據(jù)量增加時(shí)，改進(jìn)算法運(yùn)行速度與Apriori 算法相比有所下降。

4.結(jié)束語(yǔ)

Apriori 算法應(yīng)用中仍存在一定不足之處，通過相應(yīng)改進(jìn)，發(fā)現(xiàn)經(jīng)典Apriori 挖掘算法所得關(guān)聯(lián)規(guī)則內(nèi)包含較多冗余規(guī)則，基于挖掘算法進(jìn)行改進(jìn)后Apriori算法計(jì)算結(jié)果內(nèi)無冗余規(guī)則產(chǎn)生且無規(guī)則遺漏，簡(jiǎn)單且明了，通過實(shí)驗(yàn)數(shù)據(jù)分析發(fā)現(xiàn)，改進(jìn)后Apriori算法執(zhí)行效率與經(jīng)典Apriori算法相比有所下降。

參考文獻(xiàn)：

[1]方蓉.基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘算法的分析及應(yīng)用[J].電子測(cè)試，2016，（1）：36-38，16.