Tóm tắt
Khai phá luật kết hợp
- Được xem như là một trong những đóng góp quan trọng nhất
từ cộng đồng cơ sở dữ liệu trong việc khám phá tri thức
Các dạng luật: luật kết hợp luận lý/luật kết hợp lượng số, luật kết
hợp đơn chiều/luật kết hợp đa chiều, luật kết hợp đơn mức/luật
kết hợp đa mức, luật kết hợp/luật tương quan thống kê
Các dạng phần tử (item)/mẫu (pattern): Frequent
itemsets/subsequences/substructures, Closed frequent itemsets,
Maximal frequent itemsets, Constrained frequent itemsets,
Approximate frequent itemsets, Top-k frequent itemsets
Khám phá các frequent itemsets: giải thuật Apriori và giải thuật
FP-Growth dùng FP-tree
81 trang |
Chia sẻ: vutrong32 | Lượt xem: 4779 | Lượt tải: 1
Bạn đang xem trước 20 trang tài liệu Bài giảng Khai phá dữ liệu (Data mining) - Chương 3: Khai phá luật kết hợp, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
Chương 3: Khai phá luật kết hợp
1
Nội dung
Tổng quan về khai phá luật kết hợp
Các khái niệm cơ bản
Bài toán khai phá luật kết hợp
Phân tích tương quan
Tóm tắt
2
Nội dung
Tổng quan về khai phá luật kết hợp
Các khái niệm cơ bản
Bài toán khai phá luật kết hợp
Phân tích tương quan
Tóm tắt
3
Tình huống 1 – Market basket
analysis
4
Tình huống 2 - Tiếp thị chéo
5
Tình huống 2 - Tiếp thị chéo
6
Tình huống
Phân tích dữ liệu giỏ hàng (basket data analysis)
Tiếp thị chéo (cross-marketing)
Thiết kế catalog (catalog design)
Phân loại dữ liệu (classification) và gom cụm dữ liệu
(clustering) với các mẫu phổ biến
7
Tổng quan về khai phá luật kết hợp
Quá trình khai phá luật kết hợp
8
Raw Data Items of Interest
Relationship
s among
Items
(Rules)
User
Pre-
processing Mining
Post-
processing
Tổng quan về khai phá luật kết hợp
Quá trình khai phá luật kết hợp
9
Bài toán phân tích giỏ thị trường
Association
Rules
Items
Transactional/
Relational Data
Raw Data Items of Interest
Relationship
s among
Items
(Rules)
User
Pre-
processing Mining
Post-
processing
Transaction Items_bought
---------------------------------
2000 A, B, C
1000 A, C
4000 A, D
5000 B, E, F
A, B, C, D, F,
A C (50%, 66.6%)
Khai phá tập phổ biến(FIs
– Frequent Itemsets).
Sinh luật từ các tập phổ
biến(ARs – Association
Rules).
Nội dung
Tổng quan về khai phá luật kết hợp
Các khái niệm cơ bản
Bài toán khai phá luật kết hợp
Phân tích tương quan
Tóm tắt
10
Dữ liệu mẫu của AllElectronics (sau quá trình tiền xử lý)
11
Các khái niệm cơ bản
Các khái niệm cơ bản
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
Dữ liệu mẫu của AllElectronics (sau quá trình tiền xử lý)
13
Item: I4
Itemsets:
{I1, I2, I5},
{I2},
Transaction: T800
Các khái niệm cơ bản
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 k-itemset.
- 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
Các khái niệm cơ bản
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 tử.
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
Các khái niệm cơ bản
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
Các khái niệm cơ bản
Customer
buys
diaper
Customer
buys both
Customer
buys beer
Nuts, Eggs, Milk 40
Nuts, Coffee, Diaper, Eggs, Milk 50
Beer, Diaper, Eggs 30
Beer, Coffee, Diaper 20
Beer, Nuts, Diaper 10
Items bought Tid
Giải:
Freq. Pat.: Beer:3, Nuts:3, Diaper:4,
Eggs:3, {Beer, Diaper}:3
Beer Diaper
support =
support({Beer}{Diaper}) =
3/5=60%
confidence =
support({Beer}{Diaper})/support
({Beer}) = (3/5) / (3/5) = 100%
Tính độ hộ trợ và độ tin cậy của
luật sau?
Beer Diaper
Các khái niệm cơ bản
Tính độ hộ trợ và độ tin cậy của
luật sau?
Diaper Beer
For rule A C:
support = support({A}{C}) = 50%
confidence = support({A}{C})/support({A}) = 66.6%
Tìm luật kết hợp
Min. support 50%
Min. confidence 50%
Transaction-id Items bought
10 A, B, C
20 A, C
30 A, D
40 B, E, F
Frequent pattern Support
{A} 75%
{B} 50%
{C} 50%
{A, C} 50%
Các khái niệm cơ bản
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 AB giữa A và B, A và B là itemsets
AB là strong association rule iff support(AB) >=
minimum support threshold và confidence(AB) >=
minimum confidence threshold.
19
Các khái niệm cơ bản
20
Phân loại luật kết hợp
- Boolean association rule (luật kết hợp luận
lý)/quantitative association rule (luật kết hợp lượng
số)
- Single-dimensional association rule (luật kết hợp
đơn chiều)/multidimensional association rule (luật
kết hợp đa chiều)
- Single-level 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)
Phân loại luật kết hợp
21
Phân loại 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)
22
Phân loại luật kết hợp
Phân loại luật kết hợp
- Single-dimensional association rule (luật kết hợp đơn
chiều)/multidimensional association rule (luật kết hợp đa
chiều)
Single-dimensional 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.( 2 chiều
/ thuộc tính)
Age(X, “30..39”) Buys(X, “computer”)
23
Phân loại luật kết hợp
Phân loại luật kết hợp
- Single-level association rule (luật kết hợp đơn mức)
/multilevel association rule (luật kết hợp đa mức)
Single-level association rule: luật chỉ liên quan đến các
phần tử/thuộc tính ở một mức trừu tượng.
Age(X, “30..39”) Buys(X, “computer”)
Age(X, “18..29”) Buys(X, “camera”)
Multilevel association rule: luật liên quan đến các phần
tử/thuộc tính ở các mức trừu tượng khác nhau.
Age(X, “30..39”) Buys(X, “laptop computer”)
Age(X, “30..39”) Buys(X, “computer”)
24
Phân loại luật kết hợp
Phân loại luật kết hợp
- Association rule (luật kết hợp)/correlation rule (luật
tương quan thống kê)
Association rule: strong association rules AB
(association rules đáp ứng yêu cầu minimum
support threshold và minimum confidence
threshold).
Correlation rule: strong association rules A B
đáp ứng yêu cầu về sự tương quan thống kê giữa
A và B.
25
Biểu diễn luật kết hợp
Dạng luật: AB [support, confidence]
- Cho trước minimum support threshold (min_sup),
minimum confidence threshold (min_conf)
- A và B là các itemsets
Frequent itemsets/subsequences/substructures
Closed frequent itemsets
Maximal frequent itemsets
Constrained frequent itemsets
Approximate frequent itemsets
Top-k frequent itemsets
26
Biểu diễn luật kết hợp
Frequent itemsets/subsequences/substructures
- Itemset/subsequence/substructure X là frequent nếu
support(X) >= min_sup.
Itemsets: tập các items
Subsequences: chuỗi tuần tự các events/items
Substructures: các tiểu cấu trúc (graph, lattice,
tree, sequence, set, )
Tập phổ biến tối đại (Maximal frequent itemsets)
- Là tập phổ biến mà không tồn tại tập nào bao nó
là phổ biến
27
null
AB AC AD AE BC BD BE CD CE DE
A B C D E
ABC ABD ABE ACD ACE ADE BCD BCE BDE CDE
ABCD ABCE ABDE ACDE BCDE
ABCD
E
Border
Infrequent
Itemsets
Maximal
Itemsets
Biểu diễn luật kết hợp
Tập phổ biến đóng (Frequent closed itemsets):
- Là tập phổ biến và không tồn tại tập nào bao nó
có cùng độ phổ biến như nó
28
TID Items
1 {A,B}
2 {B,C,D}
3 {A,B,C,D}
4 {A,B,D}
5 {A,B,C,D}
Itemset Support
{A} 4
{B} 5
{C} 3
{D} 4
{A,B} 4
{A,C} 2
{A,D} 3
{B,C} 3
{B,D} 4
{C,D} 3
Itemset Support
{A,B,C} 2
{A,B,D} 3
{A,C,D} 2
{B,C,D} 3
{A,B,C,D} 2
Biểu diễn luật kết hợp
Phân biệt tập phổ biến tối đại với tập
phổ biến đóng
TID Items
1 ABC
2 ABCD
3 BCE
4 ACDE
5 DE
null
AB AC AD AE BC BD BE CD CE DE
A B C D E
ABC ABD ABE ACD ACE ADE BCD BCE BDE CDE
ABCD ABCE ABDE ACDE BCDE
ABCDE
124 123 1234 245 345
12 124 24 4 123 2 3 24 34 45
12 2 24 4 4 2 3 4
2 4
Transaction Ids
Not supported by
any transactions
Phân biệt tập phổ biến tối đại với tập
phổ biến đóng
null
AB AC AD AE BC BD BE CD CE DE
A B C D E
ABC ABD ABE ACD ACE ADE BCD BCE BDE CDE
ABCD ABCE ABDE ACDE BCDE
ABCDE
124 123 1234 245 345
12 124 24 4 123 2 3 24 34 45
12 2 24 4 4 2 3 4
2 4
Minimum support = 2
# Closed = 9
# Maximal = 4
Closed and
maximal
Closed but
not maximal
31
Biểu diễn luật kết hợp
Constrained frequent itemsets
- Frequent itemsets thỏa các ràng buộc do người dùng định
nghĩa.
Approximate frequent itemsets
- Frequent itemsets dẫn ra support (xấp xỉ) cho các frequent
itemsets sẽ được khai phá.
Top-k frequent itemsets
- Frequent itemsets có nhiều nhất k phần tử với k do người
dùng chỉ định.
32
Biểu diễn luật kết hợp
Luật kết hợp luận lý, đơn mức, đơn chiều giữa các tập
phần tử phổ biến: AB [support, confidence]
- A và B là các frequent itemsets
single-dimensional
single-level
Boolean
- Support(AB) = Support(A U B) >= min_sup
- Confidence(AB) = Support(A U B)/Support(A) =
P(B|A) >= min_conf
Nội dung
Tổng quan về khai phá luật kết hợp
Các khái niệm cơ bản
Bài toán khai phá luật kết hợp
Phân tích tương quan
Tóm tắt
33
Bài toán khai phá luật kết hợp
34
Bài toán khai phá luật kết hợp
Cho trước một tập các mục I, một cơ sở dữ liệu D,
ngưỡng hỗ trợ minsup và ngưỡng tin cậy minconf.
Tìm tất cả các tập luật kết hợp X Y trên D thỏa
mãn:
sup(X Y) >= minsup và conf(X Y) >= minconf
Bài toán có thể phát biểu như sau:
- Dữ liệu vào: I, D, minsup, minconf.
- Dữ liệu ra: Các luật kết hợp thỏa mãn minsup và
minconf.
Bài toán khai phá luật kết hợp
35
Association
Rules
Items
Transactional/
Relational Data
Raw Data Items of Interest
Relationship
s among
Items
(Rules)
User
Pre-
processing Mining
Post-
processing
Transaction Items_bought
---------------------------------
2000 A, B, C
1000 A, C
4000 A, D
5000 B, E, F
A, B, C, D, F,
A C (50%, 66.6%)
Sinh luật từ các tập phổ
biến(ARs – Association
Rules).
Khai phá tập phổ biến(FIs
– Frequent Itemsets).
Quá trình khai phá luật kết hợp
Bài toán khai phá luật kết hợp
36
Thuật toán thực hiện qua hai pha:
Pha 1: Tìm tất cả các tập mục phổ biến (large
itemsets) từ cơ sở dữ liệu D tức là tìm tất cả các tập
mục có độ hỗ trợ lớn hơn hoặc bằng minsup.
(Bài toán khai phá tập phổ biến)
Pha 2: Sinh các luật kết hợp từ các tập phổ biến đã
tìm thấy ở pha 1 sao cho độ tin cậy của luật lớn hơn
hoặc bằng minconf.
Bài toán khai phá tập phổ biến
37
Thuật toán thực hiện qua hai pha:
Pha 1: Tìm tất cả các tập mục phổ biến (large
itemsets) từ cơ sở dữ liệu D tức là tìm tất cả các tập
mục có độ hỗ trợ lớn hơn hoặc bằng minsup.
(Bài toán khai phá tập phổ biến)
Pha 2: Sinh các luật kết hợp từ các tập phổ biến đã
tìm thấy ở pha 1 sao cho độ tin cậy của luật lớn hơn
hoặc bằng minconf.
Thuật toán Apriori: khai phá tập phổ biến
- R. Agrawal, R. Srikant. Fast algorithms for mining
association rules. In VLDB 1994, pp. 487-499.
Thuật toán FP-Growth: khai phá tập phổ biến với FP-
tree
- J. Han, J. Pei, Y. Yin. Mining frequent patterns without
candidate generation. In MOD 2000, pp. 1-12.
38
Bài toán khai phá tập phổ biến
39
Thuật toán Apriori
Thuật toán Apriori:
k
k
kk
t
kt
k-k
k-1
;L Answer
minsup}|c.countC { c L
c.count
Cc
,t)(C C
Dt
)(L C
); k 2; L( k
itemsets} {large 1- L
end
end
end
;
do candidates forall
subset
begin do ons transactiforall
;genapriori-
begin do For
1
1
Count item occurrences
Generate new k-itemsets
candidates
Find the support of all the
candidates
Take only those with
support over minsup
40
Thuật toán Apriori
Ví dụ:
L3 = { {1 2 3}, {1 2 4}, {1 3 4}, {1 3 5}, {2 3 4} }
After joining
{ {1 2 3 4}, {1 3 4 5} }
After pruning
{1 2 3 4}
{1 4 5} and {3 4 5}
Are not in L3
41
Ví dụ thuật toán Apriori
Database TDB
1st scan
C1
L1
L2
C2 C2
2nd scan
C3 L3 3rd scan
Tid Items
10 A, C, D
20 B, C, E
30 A, B, C, E
40 B, E
Itemset sup
{A} 2
{B} 3
{C} 3
{D} 1
{E} 3
Itemset sup
{A} 2
{B} 3
{C} 3
{E} 3
Itemset
{A, B}
{A, C}
{A, E}
{B, C}
{B, E}
{C, E}
Itemset sup
{A, B} 1
{A, C} 2
{A, E} 1
{B, C} 2
{B, E} 3
{C, E} 2
Itemset sup
{A, C} 2
{B, C} 2
{B, E} 3
{C, E} 2
Itemset
{B, C, E}
Itemset sup
{B, C, E} 2
Supmin = 2
Dữ liệu mẫu của AllElectronics (sau quá trình tiền
xử lý)
42
Ví dụ thuật toán Apriori
43
min_sup = 2/9
minimum support count = 2
Ví dụ thuật toán Apriori
Bài toán khai phá tập phổ biến
Thuật toán Apriori
- Đặc điểm
Tạo ra nhiều tập dự tuyển
104 frequent 1-itemsets nhiều hơn 107 (≈104(104-1)/2) 2-itemsets dự
tuyển
Một k-itemset cần ít nhất 2k -1 itemsets dự tuyển trước đó.
Kiểm tra tập dữ liệu nhiều lần
Chi phí lớn khi kích thước các itemsets tăng lên dần.
Nếu k-itemsets được khám phá thì cần kiểm tra tập dữ liệu k+1 lần.
44
Bài toán khai phá tập phổ biến
Thuật toán Apriori
- Các cải tiến của thuật toán Apriori
Kỹ thuật dựa trên bảng băm (hash-based technique)
Một k-itemset ứng với hashing bucket count nhỏ hơn minimum support threshold
không là một frequent itemset.
Giảm giao dịch (transaction reduction)
Một giao dịch không chứa frequent k-itemset nào thì không cần được kiểm tra ở
các lần sau (cho k+1-itemset).
Phân hoạch (partitioning)
Một itemset phải frequent trong ít nhất một phân hoạch thì mới có thể frequent
trong toàn bộ tập dữ liệu.
Lấy mẫu (sampling)
Khai phá chỉ tập con dữ liệu cho trước với một trị support threshold nhỏ hơn và
cần một phương pháp để xác định tính toàn diện (completeness).
Đếm itemset động (dynamic itemset counting)
Chỉ thêm các itemsets dự tuyển khi tất cả các tập con của chúng được dự đoán
là frequent.
45
Bài toán khai phá tập phổ biến
Thuật toán FP-Growth
- Nén tập dữ liệu vào cấu trúc cây (Frequent Pattern tree, FP-
tree)
Giảm chi phí cho toàn tập dữ liệu dùng trong quá trình khai phá
Infrequent items bị loại bỏ sớm.
Đảm bảo kết quả khai phá không bị ảnh hưởng
- Phương pháp chia-để-trị (divide-and-conquer)
Quá trình khai phá được chia thành các công tác nhỏ.
1. Xây dựng FP-tree
2. Khám phá frequent itemsets với FP-tree
- Tránh tạo ra các tập dự tuyển
Mỗi lần kiểm tra một phần tập dữ liệu
46
Bài toán khai phá tập phổ biến
Thuật toán FP-Growth
- 1. Xây dựng FP-tree
1.1. Kiểm tra tập dữ liệu, tìm frequent 1-itemsets
1.2. Sắp thứ tự frequent 1-itemsets theo sự giảm dần của support
count (frequency, tần số xuất hiện)
1.3. Kiểm tra tập dữ liệu, tạo FP-tree
Tạo root của FP-tree, được gán nhãn “null” {}
Mỗi giao dịch tương ứng một nhánh của FP-tree.
Mỗi node trên một nhánh tương ứng một item của giao dịch.
Các item của một giao dịch được sắp theo giảm dần.
Mỗi node kết hợp với support count của item tương ứng.
Các giao dịch có chung items tạo thành các nhánh có prefix chung.
47
Bài toán khai phá tập phổ biến
Thuật toán FP-Growth
48
Bài toán khai phá tập phổ biến
49
Bài toán khai phá tập phổ biến
Thuật toán FP-Growth
- 2. Khám phá frequent itemsets với FP-tree
2.1. Tạo conditional pattern base cho mỗi node của FP-tree
Tích luỹ các prefix paths with frequency của node đó
2.2. Tạo conditional FP-tree từ mỗi conditional pattern base
Tích lũy frequency cho mỗi item trong mỗi base
Xây dựng conditional FP-tree cho frequent items của base
đó
2.3. Khám phá conditional FP-tree và phát triển frequent
itemsets một cách đệ qui
Nếu conditional FP-tree có một path đơn thì liệt kê tất cả
các itemsets.
50
Bài toán khai phá tập phổ biến
Thuật toán FP-Growth
51
Bài toán khai phá tập phổ biến
52
52
Example: FP-growth
The first scan of data is the
same as Apriori
Derive the set of frequent 1-
itemsets
Let min-sup=2
Generate a set of ordered
items
TID List of item IDS
T100 I1,I2,I5
T200 I2,I4
T300 I2,I3
T400 I1,I2,I4
T500 I1,I3
T600 I2,I3
T700 I1,I3
T800 I1,I2,I3,I5
T900 I1,I2,I3
Transactional Database
Item ID Support
count
I2 7
I1 6
I3 6
I4 2
I5 2
Construct the FP-Tree
Transactional Database
Item ID Support
count
I2 7
I1 6
I3 6
I4 2
I5 2
null
- Create a branch for each
transaction
- Items in each transaction are
processed in order
1- Order the items T100: {I2,I1,I5}
2- Construct the first branch:
, ,
TID Items TID Items TID Items
T100 I1,I2,I5 T400 I1,I2,I4 T700 I1,I3
T200 I2,I4 T500 I1,I3 T800 I1,I2,I3,I5
T300 I2,I3 T600 I2,I3 T900 I1,I2,I3
I2:1
I1:1
I5:1
Construct the FP-Tree
Transactional Database
Item ID Support
count
I2 7
I1 6
I3 6
I4 2
I5 2
null
- Create a branch for each
transaction
- Items in each transaction are
processed in order
1- Order the items T200: {I2,I4}
2- Construct the second branch:
,
TID Items TID Items TID Items
T100 I1,I2,I5 T400 I1,I2,I4 T700 I1,I3
T200 I2,I4 T500 I1,I3 T800 I1,I2,I3,I5
T300 I2,I3 T600 I2,I3 T900 I1,I2,I3
I2:1
I1:1
I5:1
I4:1
2
Construct the FP-Tree
Transactional Database
Item ID Support
count
I2 7
I1 6
I3 6
I4 2
I5 2
null
- Create a branch for each
transaction
- Items in each transaction are
processed in order
1- Order the items T300: {I2,I3}
2- Construct the third branch:
,
TID Items TID Items TID Items
T100 I1,I2,I5 T400 I1,I2,I4 T700 I1,I3
T200 I2,I4 T500 I1,I3 T800 I1,I2,I3,I5
T300 I2,I3 T600 I2,I3 T900 I1,I2,I3
I2:2
I1:1
I5:1
I4:1
I3:1
3
Construct the FP-Tree
Transactional Database
Item ID Support
count
I2 7
I1 6
I3 6
I4 2
I5 2
null
- Create a branch for each
transaction
- Items in each transaction are
processed in order
1- Order the items T400: {I2,I1,I4}
2- Construct the fourth branch:
, ,
TID Items TID Items TID Items
T100 I1,I2,I5 T400 I1,I2,I4 T700 I1,I3
T200 I2,I4 T500 I1,I3 T800 I1,I2,I3,I5
T300 I2,I3 T600 I2,I3 T900 I1,I2,I3
I1:1
I5:1
I4:1
I3:1
I2:3
I4:1
2
4
Construct the FP-Tree
Transactional Database
Item ID Support
count
I2 7
I1 6
I3 6
I4 2
I5 2
null
- Create a branch for each
transaction
- Items in each transaction are
processed in order
1- Order the items T400: {I1,I3}
2- Construct the fifth branch:
,
TID Items TID Items TID Items
T100 I1,I2,I5 T400 I1,I2,I4 T700 I1,I3
T200 I2,I4 T500 I1,I3 T800 I1,I2,I3,I5
T300 I2,I3 T600 I2,I3 T900 I1,I2,I3
I1:2
I5:1
I4:1
I3:1
I2:4
I4:1
I1:1
I3:1
Construct the FP-Tree
Transactional Database
Item ID Support
count
I2 7
I1 6
I3 6
I4 2
I5 2
null
TID Items TID Items TID Items
T100 I1,I2,I5 T400 I1,I2,I4 T700 I1,I3
T200 I2,I4 T500 I1,I3 T800 I1,I2,I3,I5
T300 I2,I3 T600 I2,I3 T900 I1,I2,I3
I1:4
I5:1
I4:1
I3:2
I2:7
I4:1
I1:2
I3:2
I3:2
I5:1
When a branch of a
transaction is added, the
count for each node
along a common prefix is
incremented by 1
Construct the FP-Tree
Item ID Support
count
I2 7
I1 6
I3 6
I4 2
I5 2
null
I1:4
I5:1
I4:1
I3:2
I2:7
I4:1
I1:2
I3:2
I3:2
I5:1
The problem of mining frequent patterns in databases is
transformed to that of mining the FP-tree
Construct the FP-Tree
-Occurrences of I5: and
-Two prefix Paths and
-Conditional FP tree contains only , I3 is not
considered because its support count of 1 is less than the
minimum support count.
-Frequent patterns {I2,I5:2}, {I1,I5:2},{I2,I1,I5:2}
Item ID Support
count
I2 7
I1 6
I3 6
I4 2
I5 2
null
I1:4
I5:1
I4:1
I3:2
I2:7
I4:1
I1:2
I3:2
I3:2
I5:1
Construct the FP-Tree
Item ID Support
count
I2 7
I1 6
I3 6
I4 2
I5 2
null
I1:4
I5:1
I4:1
I3:2
I2:7
I4:1
I1:2
I3:2
I3:2
I5:1
TID Conditional Pattern Base Conditional FP-tree
I5 {{I2,I1:1},{I2,I1,I3:1}}
I4 {{I2,I1:1},{I2,1}}
I3 {{I2,I1:2},{I2:2}, {I1:2}} ,
I1 {I2,4}
Construct the FP-Tree
Item ID Support
count
I2 7
I1 6
I3 6
I4 2
I5 2
null
I1:4
I5:1
I4:1
I3:2
I2:7
I4:1
I1:2
I3:2
I3:2
I5:1
TID Conditional FP-tree Frequent Patterns Generated
I5 {I2,I5:2}, {I1,I5:2},{I2,I1,I5:2}
I4 {I2,I4:2}
I3 , {I2,I3:4},{I1,I3:4},{I2,I1,I3:2}
I1 {I2,I1:4}
Bài toán khai phá tập phổ biến
Thuật toán FP-Growth
- Đặc điểm
Không tạo tập itemsets dự tuyển
Không kiểm tra xem liệu itemsets dự tuyển có thực là
frequent itemsets
Sử dụng cấu trúc dữ liệu nén dữ liệu từ tập dữ liệu
Giảm chi phí kiểm tra tập dữ liệu
Chi phí chủ yếu là đếm và xây dựng cây FP-tree lúc đầu
Hiệu quả và co giãn tốt cho việc khám phá các frequent
itemsets dài lẫn ngắn
64
Bài toán khai phá tập phổ biến
So sánh giữa thuật toán Apriori và thuật toán FP-Growth
65
Co giãn với support threshold
Bài toán khai phá tập phổ biến
So sánh giữa thuật toán Apriori và thuật toán FP-Growth
66
Co giãn tuyến tính với số giao dịch
Bài toán khai phá luật kết hợp
67
Thuật toán thực hiện qua hai pha:
Pha 1: Tìm tất cả các tập mục phổ biến (large
itemsets) từ cơ sở dữ liệu D tức là tìm tất cả các tập
mục có độ hỗ trợ lớn hơn hoặc bằng minsup.
(Bài toán khai phá tập phổ biến)
Pha 2: Sinh các luật kết hợp từ các tập phổ biến đã
tìm thấy ở pha 1 sao cho độ tin cậy của luật lớn hơn
hoặc bằng minconf.
Sinh các luật kết hợp từ các tập
phổ biến (Pha 2)
68
Việc phát hiện các tập mục phổ biến là rất tốn kém
về mặt tính toán. Tuy nhiên, ngay khi tìm được tất
cả các tập mục phổ biến (l Є L), ta có thể sinh ra
các luật kết hợp:
- Tìm tất cả các tập con không rỗng a, của tập mục
lớn l Є L.
- Với mỗi tập con a tìm được, ta xuất ra luật dạng
a (l - a) nếu tỷ số:
Sup(l)/Sup(a) >= mincof ( %).
Ví dụ:
ABCD=>{ }
BCD=>A ACD=>B ABD=>C ABC=>D
BC=>ADBD=>ACCD=>AB AD=>BC AC=>BD AB=>CD
D=>ABC C=>ABD B=>ACD A=>BCD
Lattice of rules
Pruned
Rules
Low
Confidence
Rule
Sinh các luật kết hợp từ các tập phổ
biến (Pha 2)
70
Min_conf = 50%
I1 I2 I5
I1 I5 I2
I2 I5 I1
I5 I1 I2
Nội dung
Tổng quan về khai phá luật kết hợp
Các khái niệm cơ bản
Bài toán khai phá luật kết hợp
Phân tích tương quan
Tóm tắt
71
Các luật được quan tâm
Hầu như các thuật toán khai phá luật kết hợp sử dụng support–
confidence
Mặc dù ngưỡng support–confidence tối thiểu giúp ta loại bỏ
các luật không được quan tâm, nhiều luật được sinh ra thỏa
support–confidence tối thiểu nhưng vẫn không được quan tâm
bởi người dùng.
Điều này đặc biệt đúng khi khai phá ở ngưỡng hỗ trợ thấp hay
khai phá với long patterns.
Chúng ta cần đề cập đến các vấn đề sau:
- Luật kết hợp mạnh nào không được quan tâm và lạc hướng?
- Support–confidence có thể bổ sung cho các độ đo quan tâm
dựa vào phân tích tương quan như thế nào
- Các độ đo đánh giá mẫu
- Các độ đo đánh giá mẫu ảnh hưởng đến việc khai phá các luật
được quan tâm
72
Luật kết hợp mạnh không được quan tâm
Ví dụ cho luật sau:
- buys (X, “computer games”) buys (X, “videos”)
- [support = 40%, confidence = 66%].
(Cho min_sup =30%, min_ conf=60%)
Luật trên là luật kết hợp mạnh vì có support= 40%>
min_sup(30%) và confidence=66.7> min_conf (60%)
Tuy nhiên luật trên bị lạc hướng vì
- Tổng % buy video là 75% > 66.7%.
buys ( X, “computer games” ) không buys (X, “videos”)
[20%, 33.3%] thì đúng hơn mặc dù nó có support và
confidence thấp hơn
73
Luật kết hợp mạnh không được quan tâm
Từ ví dụ trên cho thấy confidence của luật AB có thể
đánh lừa người dùng. Nó không đo sự tương quan giữa
A và B. Do vậy cần các độ đo khác về support–
confidence trong việc khai phá mối liên hệ về dữ liệu
được quan tâm.
74
Từ phân tích sự kết hợp đến phân tích sự
tương quan
Luật tương quan (correlation rules):
- A B [support, confidence, correlation]
Luật tương quan không chỉ được đo bởi độ hỗ trợ và
độ tin cậy mà còn được đo bởi sự tương quan giữa A
và B
Có nhiều độ đo về correlation, chúng ta học 1 số độ đo
về sự tương quan để xác định độ đo nào tốt trong việc
khai phá tập dữ liệu lớn.
75
Độ đo lift của luật A B :
Lift(A, B) = 1: A và B độc lập nhau, không có tương quan
Lift(A, B) < 1: A tương quan nghịch với B: 1 sự có mặt của
1 item có khả năng dẫn đến sự vắng mặt của item khác
Lift(A, B) > 1: A tương quan thuận với B: 1 sự có mặt của
1 item có khả năng dẫn đến sự có mặt của item khác
76
)()(
)(
BPAP
BAP
lift
Từ phân tích sự kết hợp đến phân tích sự
tương quan
89.0
5000/3750*5000/3000
5000/2000
),( CBlift
Basketball Not basketball Sum (row)
Cereal 2000 1750 3750
Not cereal 1000 250 1250
Sum(col.) 3000 2000 5000
33.1
5000/1250*5000/3000
5000/1000
),( CBlift
play basketball eat cereal
[40%, 66.7%]
Phân tích sự tương quan sử dụng lift: để giúp việc lọc ra
các luật kết hợp mạnh bị lạc hướng như ví dụ trên dạng
A B từ ví dụ trên ta tìm hiểu 2 itemset A và B liên
quan với nhau như thế nào
77
Từ phân tích sự kết hợp đến phân tích sự
tương quan
)sup(
)conf(A
)(
A)|P(B
)()(
)(
B
B
BPBPAP
BAP
lift
Ví dụ:
- buys (X, “computer games”) buys (X, “videos”)
- [support = 40%, confidence = 66%].
- P(game)=0.60, P(video)=0.75
- P(game,video)= 0.4
78
Từ phân tích sự kết hợp đến phân tích sự
tương quan
Lift của luật trên được
tính như sau:
Vì lift <1 nên có sự tương quan nghịch giữa sự có
mặt giữa game và video. Sự tương quan nghịch như
thế này không thể được xác định bởi support–
confidence
79
Từ phân tích sự kết hợp đến phân tích sự
tương quan
Độ đo 2 (Chi-square): kiểm tra sự độc lập giữa A và
B dựa trên giá trị mong đợi và giá trị quan sát được
all_confidence: kiểm tra luật dựa trên trị support cực
đại
cosine: giống lift tuy nhiên loại bỏ sự phụ thuộc vào
tổng số giao dịch hiện có.
all_confidence và cosine tốt cho tập dữ liệu, không
phụ thuộc các giao dịch mà không chứa bất kỳ
itemsets đang kiểm tra (null-transactions)
all_confidence và cosine là các độ đo null-invariant
80
Từ phân tích sự kết hợp đến phân tích sự
tương quan
Khai phá luật kết hợp
- Được xem như là một trong những đóng góp quan trọng nhất
từ cộng đồng cơ sở dữ liệu trong việc khám phá tri thức
Các dạng luật: luật kết hợp luận lý/luật kết hợp lượng số, luật kết
hợp đơn chiều/luật kết hợp đa chiều, luật kết hợp đơn mức/luật
kết hợp đa mức, luật kết hợp/luật tương quan thống kê
Các dạng phần tử (item)/mẫu (pattern): Frequent
itemsets/subsequences/substructures, Closed frequent itemsets,
Maximal frequent itemsets, Constrained frequent itemsets,
Approximate frequent itemsets, Top-k frequent itemsets
Khám phá các frequent itemsets: giải thuật Apriori và giải thuật
FP-Growth dùng FP-tree
81
Tóm tắt
Các file đính kèm theo tài liệu này:
- 3_data_mining_luatkethop_chapter_3_0046.pdf