21、高效挖掘频繁项集的方法与策略

高效挖掘频繁项集的方法与策略

1. 频繁模式挖掘概述

频繁模式挖掘可从不同类型的数据集中挖掘出多种模式。常见的有频繁项集挖掘、序列模式挖掘和结构化模式挖掘。
- 频繁项集挖掘：从事务或关系数据集中挖掘频繁项集，是市场篮分析等应用的基础。
- 序列模式挖掘：在序列数据集中搜索频繁子序列，可用于研究物品购买顺序，如顾客可能先买 PC，再买数码相机，最后买存储卡。
- 结构化模式挖掘：在结构化数据集中搜索频繁子结构，结构形式包括图、格、树、序列、集合等，是最通用的频繁模式挖掘形式。

2. Apriori 算法：基于候选生成的频繁项集挖掘

Apriori 算法是 1994 年由 R. Agrawal 和 R. Srikant 提出的经典算法，用于挖掘布尔关联规则的频繁项集。它采用逐层搜索的迭代方法，利用先验知识（Apriori 属性）减少搜索空间。
- Apriori 属性 ：频繁项集的所有非空子集也必须是频繁的。若一个项集不满足最小支持度阈值，则其所有超集也不满足。
- 算法步骤 ：
1. 第一步 ：扫描数据库，找出频繁 1 - 项集 $L_1$。
2. 第二步 ：对于 $k \geq 2$，使用 $L_{k - 1}$ 生成候选 $k$ - 项集 $C_k$，具体分为连接和剪枝两个操作：
- 连接操作 ：将 $L_{k - 1}$ 与自身连接生成 $C_k$。
- 剪枝操作 ：利