52、数据挖掘新方法：从购物行为到农业贸易数据分析

数据挖掘新方法：从购物行为到农业贸易数据分析

在当今的数据驱动时代，数据挖掘技术在各个领域都发挥着至关重要的作用。无论是分析消费者的购物行为，还是挖掘农业贸易数据中的潜在信息，都需要高效准确的算法和方法。本文将介绍两种不同但同样重要的数据挖掘方法，一种用于提取非冗余的相关购买行为模式，另一种则用于检测农业贸易数据中的特征交互。

提取非冗余相关购买行为模式

在传统的网络搜索和数据挖掘中，以往的研究在实际应用中存在一些局限性。传统方法所挖掘出的模式往往有限，因为它们很少考虑到模式中固有的效用因素和相关性。为了解决这个问题，提出了一种名为CoHUIM的高效挖掘算法。

CoHUIM算法同时考虑了传统的效用度量和模式内项目的固有相关性。它采用了基于投影的方法，通过扩展候选子投影数据库来挖掘相关高效用项集（CoHUIs），从而逐步减少搜索空间和内存使用。为了保证CoHUIs的全局反单调性并有效修剪搜索空间，还提出了一种新颖的排序向下闭合属性。

实验表明，CoHUIM算法在生成模式和执行时间方面都优于现有的FDHUP算法。而且，所得到的CoHUIs数量比高效用项集（HUIs）少，但更有价值和趣味性，避免了大量冗余和无意义的信息。

minCor在CoHUIM算法中起着重要作用，且满足CoHUIM minCor1 ≤ CoHUIM minCor2 ≤ CoHUIM minCor3 ≤ CoHUIM minCor4 ≤ CoHUIM minCor5。这是因为在固定最小效用（minUtil）的情况下，较高的minCor会使满足条件的模式减少，生成的候选集也相应减少，从而缩小搜索空间。同时，最小正相关阈值对运行时间有显著影响，一般来说，具有较高minCor的CoH