18、大型数据库中关联规则挖掘的实例选择与近似估计方法

大型数据库中关联规则挖掘的实例选择与近似估计方法

在大型数据库中挖掘关联规则时，为了在保证一定准确性的前提下提高效率，常常会采用抽样和近似估计的方法。下面将详细介绍相关的实例选择、关联规则估计以及搜索真实关联规则的方法。

1. 实例集生成

从数据库中获取随机实例集可分两步进行：
1. 生成 $n$ 个随机数，$n$ 由中心极限定理确定。
2. 根据这些随机数从数据库中选择 $n$ 个事务。

由于选择数据库元组时使用绝对随机数较困难，因此采用伪随机数来控制随机数据子集的选择。伪随机数生成有多种方法，这里选择如下公式生成：
$x_i = (ax_{i - 1} + b) \text{ MOD } m$
其中 $a$、$b$ 和 $m$ 为常数，$x_0, x_1, x_2, \cdots$ 是 $0$ 到 $m - 1$ 之间的整数序列。当 $a = 1$ 时，公式变为 $x_i = (x_{i - 1} + b) \text{ MOD } m$；当 $b = 0$ 时，公式变为 $x_i = ax_{i - 1} \text{ MOD } m$。第一个公式随机性更高，下面是生成伪随机数的算法：

Procedure 6.2 RandomNumber
begin
    Input: a: integer constant, b: integer constant, m: real database size,
           n: random database size, x0: first pseudo-random number;
    Output: