Bài giảng Nhập môn khai phá dữ liệu - Chương 4: Khai phá luật kết hợp - Hà Quang Thụy
◼ Khai phá luật kết hợp (Association rule)
◼ Các thuật toán khai phá vô hướng luật kết hợp (giá trị
lôgic đơn chiều) trong CSDL giao dịch
◼ Khai phá kiểu đa dạng luật kết hợp/tương quan
◼ Khai phá kết hợp dựa theo ràng buộc
◼ Khai phá mẫu dãy
Trang 1
Trang 2
Trang 3
Trang 4
Trang 5
Trang 6
Trang 7
Trang 8
Trang 9
Trang 10
Tải về để xem bản đầy đủ
Bạn đang xem 10 trang mẫu của tài liệu "Bài giảng Nhập môn khai phá dữ liệu - Chương 4: Khai phá luật kết hợp - Hà Quang Thụy", để tải tài liệu gốc về máy hãy click vào nút Download ở trên
Tóm tắt nội dung tài liệu: Bài giảng Nhập môn khai phá dữ liệu - Chương 4: Khai phá luật kết hợp - Hà Quang Thụy
theo thứ tự (*) và biểu diễn dưới dạng [p|P] với p là mục đầu tiên, còn P là xâu mục còn lại; Gọi insert_tree ([p|P]), T) 3. Tìm tập phổ biến trên cây FP July 12, 2021 36 Xây dựng cây FP: chèn một xâu vào cây July 12, 2021 37 Xây dựng cây FP TID Items bought (ordered) frequent items min_support = 3 100 {f, a, c, d, g, i, m, p} {f, c, a, m, p} 200 {a, b, c, f, l, m, o} {f, c, a, b, m} 300 {b, f, h, j, o, w} {f, b} 400 {b, c, k, s, p} {c, b, p} 500 {a, f, c, e, l, p, m, n} {f, c, a, m, p} July 12, 2021 38 Lợi ích của cấu trúc FP-tree ◼ Tính đầy đủ ◼ Duy trì tính đầy đủ thông tin để khai phá mẫu phổ biến ◼ Không phá vỡ mẫu dài bới bất kỳ giao dich ◼ Tính cô đọng ◼ Giảm các thông tin không liên quan: mục không phổ biến bỏ đi ◼ Sắp mục theo tần số giảm: xuất hiện càng nhiều thì cành hiệu quả ◼ Không lớn hơn so với CSDL thông thường July 12, 2021 39 Tìm tập phổ biến từ cấu trúc FP-tree July 12, 2021 40 Mẫu cực đại (Max-patterns) 1 2 ◼ Mẫu phổ biến {a1, , a100} → (100 ) + (100 ) + 1 0 0 100 30 + (1 0 0 ) = 2 -1 = 1.27*10 frequent sub- patterns! ◼ Mẫu cực đại: Mẫu phổ biến mà không là tập con thực sự của mẫu phổ biến khác ◼ BCDE, ACD là mẫu cực đại Tid Items ◼ BCD không là mẫu cực đại 10 A,B,C,D,E 20 B,C,D,E, Min_sup=2 30 A,C,D,F Tập mục phổ biến cực đại Tập mục cực đại (Maximal Intemset) là tập mục phổ biến không là tập con thực sự của một tập mục phổ biến khác Tập mục đóng ◼ Tập mục đóng là tập mục mà không là tập con thực sự của một tập mục có cùng độ hỗ trợ ◼ X đóng: Y X s(Y) < s(X) Itemset Support {A} 4 TID Items {B} 5 Itemset Support 1 {A,B} {C} 3 {A,B,C} 2 2 {B,C,D} {D} 4 {A,B,D} 3 3 {A,B,C,D} {A,B} 4 {A,C,D} 2 4 {A,B,D} {A,C} 2 {B,C,D} 3 5 {A,B,C,D} {A,D} 3 {A,B,C,D} 2 {B,C} 3 {B,D} 4 {C,D} 3 Phân biệt tập mục cực đại với tập mục đóng TID Items 1 ABC 2 ABCD 3 BCE 4 ACDE 5 DE Tập mục cực đại với tập phổ biến đóng Tập mục cực đại với tập mục đóng Tập mục cực đại với tập mục đóng R. Bayardo. Efficiently mining long patterns from databases. SIGMOD’98 J. Pei, J. Han & R. Mao. CLOSET: An Efficient Algorithm for Mining Frequent Closed Itemsets", DMKD'00 Mohammed Javeed Zaki, Ching-Jiu Hsiao: CHARM: An Efficient Algorithm for Closed Itemset Mining. SDM 2002 July 12, 2021 47 Luật kết hợp đa mức ◼ Các mục có thể phân cấp ◼ Đặt hỗ trợ linh hoạt: Mục cấp thấp hơn là kỳ vọng có độ hỗ trợ thấp hơn. ◼ CSDL giao dịch có thể được mã hóa theo chiều và mức ◼ Thăm dò KP đa mức chia sẻ uniform support reduced support Level 1 Milk Level 1 min_sup = 5% [support = 10%] min_sup = 5% Level 2 2% Milk Skim Milk Level 2 min_sup = 5% [support = 6%] [support = 4%] min_sup = 3% July 12, 2021 48 Kết hợp đa chiều ◼ Luật đơn chiều (viết theo dạng quan hệ (đối tượng, giá trị)): buys(X, “milk”) buys(X, “bread”) ◼ Luật đa chiều: 2 chiều / thuộc tính ◼ Luật kết hợp liên chiều (không có thuộc tính lặp) age(X,”19-25”) occupation(X,“student”) buys(X,“coke”) ◼ Luật KH chiều-kết hợp (lai/hybrid) (lặp thuộc tính) age(X,”19-25”) buys(X, “popcorn”) buys(X, “coke”) ◼ Thuộc tính phân lớp ◼ Tìm số lượng các giá trị khả năng không được sắp ◼ Thuộc tính định lượng ◼ Số, thứ tự ngầm định trong miền giá trị July 12, 2021 49 Kết hợp đa mức: Rút gọn lọc ◼ Trong luật phân cấp, một luật có thể dư thừa do đã có quan hệ giữa “tổ tiên” của các mục. ◼ Ví dụ ◼ milk wheat bread [support = 8%, confidence = 70%] ◼ 2% milk wheat bread [support = 2%, confidence = 72%] ◼ Nói rằng: luật đầu tiên là tổ tiên luật thứ hai. ◼ Một luật là dư thừa nếu độ hỗ trợ của nó là khít với giá trị “mong muốn”, dựa theo tổ tiên của luật. July 12, 2021 50 Luật kết hợp định lượng ◼ Thuộc tính số là sự rời rạc hóa động d ◼ Độ tin cậy hoặc độ cô đọng của luật là cực đại ◼ Luật kết hợp định lượng 2-D: Aquan1 Aquan2 Acat ◼ Phân cụm các luật kết hợp Liền kề nhau từ các luật Tổng quát dựa trên Lưới 2-D ◼ Ví dụ age(X,”30-34”) income(X,”24K - 48K”) buys(X,”high resolution TV”) July 12, 2021 Data Mining: Concepts and Techniques 51 Khai phá luật KH dựa theo khoảng cách ◼ Phương pháp đóng thùng không nắm bắt được ngữ nghĩa của dữ liệu khoảng Equi-width Equi-depth Distance- Price($) (width $10) (depth 2) based 7 [0,10] [7,20] [7,7] 20 [11,20] [22,50] [20,22] 22 [21,30] [51,53] [50,53] 50 [31,40] 51 [41,50] 53 [51,60] ◼ Phân vùng dựa trên khoảng cách, rời rạc có ý nghĩa hơn khi xem xét : ◼ Mật độ/ số điểm trong một khoảng ◼ Tính “gần gũi” của các điểm trong một khoảng July 12, 2021 52 Độ đo hấp dẫn: Tương quan (nâng cao) ◼ play basketball eat cereal [40%, 66.7%] là lạc ◼ Phần trăm chung của sinh viên ăn ngũ cốc là 75% cao hơn so với 66.7%. ◼ play basketball not eat cereal [20%, 33.3%] là chính xác hơn, do độ hỗ trợ và tin cậy thấp hơn ◼ Độ đo sự kiện phụ thuộc/tương quan: lift (nâng cao) Basketball Not basketball Sum (row) P(A B) Cereal 2000 1750 3750 Not cereal 1000 250 1250 corrA,B = P(A)P(B) Sum(col.) 3000 2000 5000 July 12, 2021 53 KPDL dựa trên ràng buộc ◼ Tìm mọi mẫu trong CSDL tự động? — phi hiện thực! ◼ Mẫu có thể quá nhiều mà không mục đích! ◼ KPDL nên là quá trình tương tác ◼ Người dùng trực tiếp xác định KPDL gì khi dùng ngôn ngữ hỏi KPDL (hoặc giao diện đồ họa) ◼ KP dựa theo ràng buộc ◼ Linh hoạt người dùng: cung cấp ràng buộc : cái được KP ◼ Tối ưu hệ thống: thăm dò các ràng buộc để hiệu quả KP: KP dựa theo ràng buộc July 12, 2021 54 Ràng buộc trong KPDL ◼ Ràng buộc kiểu tri thức ◼ classification, association, v.v. ◼ Ràng buộc dữ liệu: dùng câu hỏi kiếu SQL ◼ Tìm các cặp sản phẩm mua cùng nhau trong Vancouver vào Dec.’00 ◼ Ràng buộc chiều/cấp ◼ Liên quan tới vùng, giá, loại hàng, lớp khách hàng ◼ Ràng buộc luật (mẫu) ◼ Mua hàng nhỏ (price $200) ◼ Ràng buộc hấp dẫn ◼ Luật mạng: min_support 3%, min_confidence 60% July 12, 2021 55 KP ràng buộc tìm kiếm dựa theo ràng buộc ◼ KP ràng buộc tìm/lập luận theo ràng buộc ◼ Cả hai hướng tới rút gọn không gian tìm kiếm ◼ Tìm mọi mẫu bảm đảm ràng buộc tìm một vài (một_ câu trả lời của tìm dựa theo ràng buộc trong AI (TTNT) ◼ Cố tìm theo ràng buộc tìm kiếm heuristic ◼ Tích hợp hai cái cho một bài toán tìm kiếm thú vị ◼ KP ràng buộc quá trình hỏi CSDL quan hệ ◼ Quá trình hỏi trong CSDL quan hệ đòi hỏi tìm tất cả ◼ KP mẫu ràng buộc chung một triết lý tương tựng như cố gắng chọn về chiều sâu của câu hỏi July 12, 2021 56 KP mấu PB ràng buộc: tối ưu hóa câu hỏi ◼ Cho một câu hỏi KP mấu phổ biến với một tập ràng buộc C, thì thuật toán nên là ◼ Mạnh mẽ: chỉ tìm các tập phố biến bảo đảm ràng buộc C ◼ đầy đủ: Tìm tất cả tập phổ biến bảo đảm ràng buộc C ◼ Giải pháp “thơ ngây” (naïve) ◼ Tìm tất cả tập PB sau đó kiểm tra ràng buộc ◼ Tiếp cận hiệu quả hơn ◼ Phân tích tính chất các ràng buộc một cách toàn diện ◼ Khai thác chúng sâu sắc có thể nhất trong tính toán mẫu PB. July 12, 2021 57 Tính chống đơn điêu trong KP theo ràng buộc TDB (min_sup=2) ◼ Chống đơn điệu (Anti-monotonicity) TID Transaction ◼ Một tập mục S vi phạm ràng buộc, 10 a, b, c, d, f mọi tập lớn hơn nó cũng vi phạm 20 b, c, d, f, g, h 30 a, c, d, e, f ◼ sum(S.Price) v là chống đơn điệu 40 c, e, f, g ◼ sum(S.Price) v là không chống đơn Item Profit điệu a 40 ◼ Ví dụ. C: range(S.profit) 15 là chống b 0 đơn điệu c -20 d 10 ◼ Tập mục ab vi phạm C e -30 f 30 ◼ Cũng vậy mọi tập chứa ab g 20 h -10 July 12, 2021 58 Ràng buộc nào là chống đơn điệu Ràng buộc Chống đơn điệu v S No S V no S V yes min(S) v no min(S) v yes max(S) v yes max(S) v no count(S) v yes count(S) v no sum(S) v ( a S, a 0 ) yes sum(S) v ( a S, a 0 ) no range(S) v yes range(S) v no avg(S) v, { =, , } convertible support(S) yes support(S) no July 12, 2021 59 Tính đơn điệu trong KP luật dựa theo ràng buộc TDB (min_sup=2) ◼ Tính đơn điệu TID Transaction ◼ Khi một tập mục S thỏa mãn ràng 10 a, b, c, d, f buộc, thì mọi tập lớn hơn của nó 20 b, c, d, f, g, h 30 a, c, d, e, f cũng thỏa mãn 40 c, e, f, g ◼ sum(S.Price) v là đơn điệu Item Profit a 40 ◼ min(S.Price) v là đơn điệu b 0 ◼ Ví dụ. C: range(S.profit) 15 c -20 d 10 ◼ Tập mục ab đảm bảo C e -30 f 30 ◼ Cũng vậy mọi tập chứa ab g 20 h -10 July 12, 2021 60 Ràng buộc đơn điệu Ràng buộc Đơn điệu v S yes S V yes S V no min(S) v yes min(S) v no max(S) v no max(S) v yes count(S) v no count(S) v yes sum(S) v ( a S, a 0 ) no sum(S) v ( a S, a 0 ) yes range(S) v no range(S) v yes avg(S) v, { =, , } convertible support(S) no support(S) yes July 12, 2021 61 Tính cô đọng ◼ Tính cô đọng: ◼ Cho A1, là tập mục bảo đảm một ràng buộc cô đọng C, thì mọi S bảo đảm C là dựa trên A1 , chằng hạn, S chứa một tập con thuộc A1 ◼ Tư tưởng: Bỏ qua xem xét toàn bộ CSDL giao dịch, có chăng một tập mục S bảo đảm ràng buộc C có thể được xác định dựa theo việc chọn các mục ◼ min(S.Price) v là cô đọng ◼ sum(S.Price) v không cô đọng ◼ Tối ưu hóa: Nếu C là cô đọng có thể đẩy đếm trước July 12, 2021 62 Ràng buộc cô đọng Ràng buộc Cô đọng v S yes S V yes S V yes min(S) v yes min(S) v yes max(S) v yes max(S) v yes count(S) v weakly count(S) v weakly sum(S) v ( a S, a 0 ) no sum(S) v ( a S, a 0 ) no range(S) v no range(S) v no avg(S) v, { =, , } no support(S) no support(S) no July 12, 2021 63 Thuật toán Apriori— Ví dụ Database D itemset sup. itemset sup. L1 TID Items C1 {1} 2 {1} 2 100 1 3 4 {2} 3 Scan D {2} 3 200 2 3 5 {3} 3 {3} 3 300 1 2 3 5 {4} 1 {5} 3 400 2 5 {5} 3 C itemset 2 itemset sup C2 {1 2} L2 itemset sup {1 2} 1 Scan D {1 3} 2 {1 3} 2 {1 3} {2 3} 2 {1 5} 1 {1 5} {2 5} 3 {2 3} 2 {2 3} {2 5} {3 5} 2 {2 5} 3 {3 5} 2 {3 5} C3 itemset Scan D L3 itemset sup {2 3 5} {2 3 5} 2 July 12, 2021 64 Thuật toán Naïve: Apriori +ràng buộc Database D itemset sup. itemset sup. L1 TID Items C1 {1} 2 {1} 2 100 1 3 4 {2} 3 Scan D {2} 3 200 2 3 5 {3} 3 {3} 3 300 1 2 3 5 {4} 1 {5} 3 400 2 5 {5} 3 C itemset 2 itemset sup C2 {1 2} L2 itemset sup {1 2} 1 Scan D {1 3} 2 {1 3} 2 {1 3} {2 3} 2 {1 5} 1 {1 5} {2 5} 3 {2 3} 2 {2 3} {2 5} {3 5} 2 {2 5} 3 {3 5} 2 {3 5} C3 itemset Scan D L3 itemset sup Constraint: {2 3 5} {2 3 5} 2 Sum{S.price < 5} July 12, 2021 65 Apriori ràng buộc: Đẩy RB chống Đ Đ xuống đáy Database D itemset sup. itemset sup. L1 TID Items C1 {1} 2 {1} 2 100 1 3 4 {2} 3 Scan D {2} 3 200 2 3 5 {3} 3 {3} 3 300 1 2 3 5 {4} 1 {5} 3 400 2 5 {5} 3 C itemset 2 itemset sup C2 {1 2} L2 itemset sup {1 2} 1 Scan D {1 3} 2 {1 3} 2 {1 3} {2 3} 2 {1 5} 1 {1 5} {2 5} 3 {2 3} 2 {2 3} {2 5} {3 5} 2 {2 5} 3 {3 5} 2 {3 5} C3 itemset Scan D L3 itemset sup Constraint: {2 3 5} {2 3 5} 2 Sum{S.price < 5} July 12, 2021 66 Apriori ràng buộc: Đẩy RB chống Đ Đ xuống đáy Database D itemset sup. itemset sup. L1 TID Items C1 {1} 2 {1} 2 100 1 3 4 {2} 3 Scan D {2} 3 200 2 3 5 {3} 3 {3} 3 300 1 2 3 5 {4} 1 {5} 3 400 2 5 {5} 3 C itemset 2 itemset sup C2 {1 2} L2 itemset sup {1 2} 1 Scan D {1 3} 2 {1 3} 2 {1 3} {2 3} 2 {1 5} 1 {1 5} {2 3} {2 5} 3 {2 3} 2 {2 5} {3 5} 2 {2 5} 3 {3 5} 2 {3 5} C3 itemset Scan D L3 itemset sup Constraint: {2 3 5} {2 3 5} 2 min{S.price <= 1 } July 12, 2021 67 Luật kết hợp hiếm và luật kết hợp âm ◼ Luật kết hợp hiếm hàm ý chỉ các LKH không xảy ra thường xuyên trong CSDL. ◼ Ví dụ ◼ “máy pha cà phê” → “máy xay cà phê” (0.8%, 80%). [Koh05] Koh Y. S., Rountree N. (2005). Finding Sporadic Rules Using Apriori-Inverse. Proc. of PAKDD2005, pp. 97-106. ◼ “ăn chay” → “bệnh tim mạch”. [Szathmary10] Szathmary L., Valtchev P., and Napoli A. (2010). Generating Rare Association Rules Using Minimal Rare Itemsets Family. International Journal of Software and Informatics, Vol. 4 (3), pp. 219-238. ◼ "thuốc hạ lipid trong máu Cerivastatin" → "tác động xấu khi điều trị“. [Szathmary10] ◼ Luật kết hợp âm hàm ý chỉ các LKH mà các mục là xung khắc nhau trong CSDL “nếu A thì không B”. 68 Luật hiếm: Phân loại [Koh16] Yun Sing Koh, Sri Devi Ravana. Unsupervised Rare Pattern Mining: A Survey. TKDD 10(4): 45 (2016) 69 Khai phá luật kết hợp hiếm ◼ Hai hướng tiếp cận chính phát hiện luật hiếm: ◼ Sử dụng ràng buộc ◼ Sử dụng ranh giới ◼ Hạn chế của cách tiếp cận hiện tại: ◼ Sinh mọi tập không phổ biến chi phí cao. ◼ Thực hiện trên CSDL tác vụ. 70 Luật kết hợp hiếm sporadic tuyệt đối ◼ Luật hiếm Sporadic tuyệt đối (Koh và csự - 2005): ◼ Luật kết hợp dạng X → Y sao cho: ▪ Thuật toán tìm các tập Sporadic tuyệt đối: Apriori-Inverse ▪ Hạn chế: • Thuật toán có hiệu quả ở mức trung bình so với các thuật toán khác. • Chỉ được tìm trên các CSDL tác vụ. Cần phát triển thuật toán phát hiện luật Sporadic tuyệt đối hiệu quả hơn, và phát hiện luật này cả trên CSDL định lượng 71 Luật kết hợp Sporadic tuyệt đối hai ngưỡng ◼ Mục đích nghiên cứu: ◼ Phát triển thuật toán phát hiện luật Sporadic tuyệt đối hiệu quả hơn. ◼ Đề xuất mở rộng bài toán: tìm các luật A → B sao cho: ❖ Đóng góp chính: ▪ Bài toán phát hiện LKH tuyệt đối 2 ngưỡng là tổng quát hơn. ▪ Thuật toán được phát triển theo cách tiếp cận thuật toán CHARM: Chỉ tìm các tập Sporadic tuyệt đối đóng 2 ngưỡng. 72 CSDL tuần tự và Phân tích mẫu tuần tự Phần mềm phân tích chuỗi thời gian EidoSearch: Trợ giúp đánh dấu mẫu dữ liệu hấp dẫn và EidoSearch đi tìm mọi mẫu tương tự từ quá khứ và hiện tại, phân tích kết quả tìm kiếm này, và chỉ ra xu hướng gì sẽ xảy ra. Gait-CAD Matlab toolbox: trực quan hóa và phân tích chuỗi thời gian, bao gồm phân lớp, hồi quy, và phân cụm. Giấy phép GNU-GPL. Miningco: chương trình mã nguồn mở tự động tìm ra mẫu và quan hệ trong weblogs và các bộ dữ liệu khác. SAS Enterprise Miner XAffinity (TM): xác định mối quan hệ thân hoặc mẫu trong giao dịch và dòng dữ liệu nháy phím July 12, 2021 73 CSDL TT và PT MTT (2) ◼ CSDL giao dịch, CSDL chuỗi thời gian CSDL tuần tự ◼ Mấu PB mấu TT (PB) ◼ Ứng dụng của KP Mấu TT ◼ Tuần tự mua của khách hàng: ◼ Đầu tiên mua máy tính, sau đó CD-ROM, và sau đó là máy ảnh số, trong vòng 3 tháng. ◼ Phẫu thuật y tế, thảm họa tự nhiên (động đất), quá trình KH và kỹ nghệ, chứng khoán và thị trường. ◼ Mẫu gọi điện thoại, dòng click tại Weblogs ◼ Dãy DNA và cấu trúc gene July 12, 2021 74 Khái niệm KP mấu TT ◼ Cho một tập các dãy, tìm tập đầy đủ các dãy con phổ biến dãy TT : CSDL dãy TT SID sequence Một phần tử chứa một tập mục. 10 Tập mục trong một phần tử là không thứ tự , và viết chúng theo ABC. 20 30 là dãy con của 40 Cho độ hỗ trợ min_sup =2, là mẫu tuần tự sequential pattern July 12, 2021 75
File đính kèm:
- bai_giang_nhap_mon_khai_pha_du_lieu_chuong_4_khai_pha_luat_k.pdf