3、数据挖掘技术全解析：从基础到应用

数据挖掘技术全解析：从基础到应用

1. 关联规则与市场篮子分析

关联规则在数据挖掘中有着重要的应用。它可以进行修改以适应不同的时间段，例如“尿布 → 啤酒（20%支持度） 工作日晚上7:00 - 9:00”。还存在广义关联规则，由商品层次结构（UPC代码）组成，像“衣服 → 鞋类”规则可能成立，即便“衣服 → 鞋子”规则不成立。

关联规则可以用贝叶斯网络表示，它能以有向无环图的形式高效表示概率分布，图中节点代表感兴趣的属性，边表示节点间的因果影响，并且给出节点的所有可能条件概率。

对关联规则进行优化也是有意义的。例如，给定规则 (I < A < u) 和 X → Y，找到 I 和 u 的值，使规则的支持度大于某个阈值，并最大化支持度置信度或增益。比如对于规则 “ChkBal[I u] → DvDPlayer”，选择 I = $30000 和 u = $50000 可优化该规则的支持度置信度或增益。

市场篮子分析有诸多优点，如结果易于理解、支持无向数据挖掘、适用于可变长度数据，且规则相对容易计算。但也存在一些弱点，比如难以确定最佳商品数量、忽略稀有商品、支持度有限。若考虑 n 个商品，“A → B” 形式的规则有 (C_{n}^2) 种可能，“A&B → C” 形式的规则有 (C_{n}^3) 种可能，随着 n 的增加，可能的关联规则数量呈指数增长。

2. 数据挖掘相关术语

在计算机科学领域，数据挖掘方法的历史根源讨论离不开术语。通常从 p 空间中的 n 个观测值开始数据分析过程。数学领域所说的维度，在统计学中称为变量，在计算机科学中称为属性；数学领域的观测值（数据矩阵的一行），在统计学中称为案例，