第一次毕业设计任务书

一.毕业设计安排进度

二．本周研究内容

　　关联规则

　　关联规则是由 Agrawal 等人在 1993 年首次提出的，是挖掘数据之间关联知识最常用的方法。关联规则的目的在于在一个数据集中找出项之间的关系，也称之为购物蓝分析 (market basket analysis)。例如，购买鞋的顾客，有10%的可能也会买袜子，60%的买面包的顾客，也会买牛奶。这其中最有名的例子就是"尿布和啤酒"的故事了。

关联规则一般可描述如下: 假设 I = { i1，i2，i3，． ． ． ，in} 是项目的集合，给定一个事务数据库 D，其中T 是 I 中一些项目的集合，表示 D 中的一个具体事务，TI，每个 T 都有唯一的标志符 TID。假设 X 是一个项目集，当且仅当 X 中的所有项目都在 T 的范围内时表示事务 T 包含 X。

　　所以关联规则 X→Y 定义如下:其中，XI，YI，X∩Y = Φ，X 是关联规则的前提，Y是结果，通过支持度和置信度 2 个指标来确定。

　　支持度( Support) S 表示 D 中有 S% 的事务同时包含 X 和 Y，即事务集中同时包含 X 和 Y 的事务数在所有事务数中的百分比。

　　　　　　　　　　　　　　　　support = P(A并B)

　　置信度( Confidence) C 表示 D 中包含 X 的事务中有 C% 包含 Y，即事务集中同时包含 X 和 Y 的事务数在包含 X 的事务数中的百分比。

　　　　　　　　　　　　　　　　confidence = support(A并B）/suport(A)

　　所以支持度表示了此关联规则在事务中的发生频率，而置信度表示了此关联规则的强度。如果存在一条关联规则，它的支持度和置信度都大于预先定义好的最小支持度与置信度，我们就称它为强关联规则。关联规则挖掘就是为了找到所有的强关联规则，因此挖掘的主要步骤也分为 2 步，第一步是找到所有的频繁项集( 即超过最小支持度的所有项集) ，第二步则在这些频繁项集中找出超过最小置信度的关联规则。

　　　　Apriori 算法

　　在众多的关联规则算法中，Apriori 算法是最有影响的挖掘频繁项集的算法。该算法的基本思想是: 首先找出所有的频繁项集，这些项集出现的频繁性至少和预定义的最小支持度一样，然后由频繁项集产生强关联规则，这些规则必须满足最小支持度和最小置信度。然后使用第一步找到的频繁项集产生期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是关联规则的定义。一旦这些规则被生成，那么只有那些大于用户给定的最小置信度的规则才被留下来。为了生成所有频繁项集，使用递归的方法，在频繁 1-项集中连接产生对应的候选2-项集，然后计算得到频繁 2-项集，继而产生候选 3-项集和频繁 3-项集，直到没有频繁 k-项集的产生。其算法描述如下:

　　1) L1= find_frequent_1-itemsets( D) ;

　　2) for( k = 2; Lk － 1≠Φ; k ++ ) {

　　3) Ck= apriori_gen( Lk － 1，min_sup) ;

　　4) for each transaction t∈D { / / scan D for counts

　　5) Ct= subset( Ck，t) ; / /get the subsets of t they are candi-dates

　　6) for each candidate c∈Ct

　　7) c． count + + ;

　　8) }

　　9) Lk= { c∈Ck| c． count≥min_sup}

　　10) }

　　11) Ｒeturn L = ∪kLk;

三、周实现代码及结果截图展示。

　　无

四、本周的体会及需要改进地方。

　　关联规则主要关于可信度或置信度（confidence），要继续关于apriori的学习，同时，还得继续深入学习python

五、本周参考的文献。

1. 杨秀萍.大数据下关联规则算法的改进及应用[J].计算机与现代化，2014，12：23-24
2. http://www.cnblogs.com/junyuhuang/p/5572364.html