權重關聯規則挖掘(以apriori和fp-tree算法為例)的權值計算。
以下面的資料為例來進行說明，表2中的交易權重和歸一化權重隻是截圖結果，這裡的具體數值可不要考慮。
權重支援度的計算為Sup(B)=count(B)*W(B)/總數；Sup(BD)=count(BD)*W(BD)/總數。
這裡就是讨論W(BD)有幾種計算方法及其優劣。
根據表1和表2可以很容易計算出單個項目的支援度，如Sup(B)=5*1/6=0.83
若要計算多個項目的支援度，如Sup(BD)，Sup(BDA)那麼項集BD或BDA的權值應該如何選取，即計算交易權重的方法，有以下幾種：
1、取每條交易記錄的最大值，如BDAC中權值最大的那個作為權值
2、取平均值，表2的交易權重即為該方法計算得出，這樣計算不能突出重點項目
3、歸一化值：Wi''=Wi/(W1+W2+……+Wk) ；W=(W1''+W2''+……+Wk'')/n，權值可能很小
4、
5、該方法的權值可能大于1
6、W(AB)=W(A)*W(B)/(W(A)+W(B))
7、若資料有兩個次元，即X，Y分别屬于不同次元，如X表示所購買的商品，Y表示購買的位置，則權值可以這樣計算：W(X)*W(Y)
若權值大于1，可以進行歸一化處理。
總之，權值的計算還有很多方法，計算時要根據自己資料的特點來標明。但是要注意關聯規則挖掘的頻繁及向下封閉的特性，即如果{AB}或{C}不頻繁，則{ABC}也不頻繁。如上述方法1、2就不可保證該特性，會造成資料的流失。這時候需要對關聯規則算法進行改進，來适應權值的需要。
轉載本文請聯系原作者擷取授權，同時請注明本文來自葉文菁科學網部落格。
連結位址：http://blog.sciencenet.cn/blog-882768-742786.html
上一篇：weka進行關聯規則挖掘Apriori篇
下一篇：帶背景word如何轉成pdf格式(2010)及提取背景圖檔