山东大学数据仓库数据挖掘知识点整理

关联规则
基于变量种类
布尔型关联规则
量化型关联规则
基于数据的抽象层次
单层的关联规则
多层的关联规则
基于规则中涉及到的数据的维数
单维关联规则
多维关联规则

关联规则挖掘分类
频繁项集挖掘
序列模式挖掘
结构模式挖掘

apriori算法
关联规则的挖掘过程分解为两个子问题

1. 发现频繁项集
   支持度
2. 由频繁项集生成关联规则
   置信度

apriori算法思想
是一种最有影响的挖掘布尔关联规则频繁项集的算法。它使用一种称作逐层搜索的迭代算法，通过k-项集用于探索（k+1）-项集。
Q：apriori算法得到的频繁项集是从频繁一项集开始还是只保留最大的？

fp树

1. 每一item按照项出现次数用从大到小排列，删除非频繁项集的项
2. 头表是链表的头结点，fffffff，bbbbbb这样的
   挖掘方法
3. 遍历头表，得到项以及其对应的前缀、在该前缀下出现的次数
4. 合并1得到的共同前缀，看是否能达到最小支持度
   优点：
   完整性，不会打破任何事务数据中的长模式
   紧凑性，减少不相关信息——非频繁项被删除；按频率递减排列——使得更频繁的项更容易在树结构中被共享。

apriori all

1. 先得到频繁项集，各种长度的都要，跨元素的有序序列不算进来
   其实是得到频繁-1序列中的各个项集
2. 将1得到的序列映射到几个整数，频繁二项集要拆成三个的那种
3. 对映射完的序列再求频繁序列
4. 最后删除各种子集，只留最大的

gsp

找的都是序列

决策树
两