5.3.2数据的关联分析 课件-2021—2022学年高中信息技术 粤教版（2019） 必修1

5.3.2 关联分析 《数据与计算》P113-118 数据的特征探索 系统日志采集法 网络数据采集法（网络爬虫） 其他数据采集法 数据分析的步骤 2 1.概念：分析并发现存在于大量数据之间的关联性或相关性，从而描述一个事物中某些属性同时出现的规律和模式。 2.常见案例： 价格和年龄之间的关系：个性化推荐 购买相关商品之间的关系：捆绑销售 3.常用的算法：aprior算法（关联规则挖掘算法） 一、关联分析 Apriori算法详解_Trident_lin的博客-CSDN博客_apriori https://blog.csdn.net/weixin_39220714/article/details/83595519 3 2.常见案例：捆绑销售 一、关联分析 3.关联分析的基本算法及流程图 扫描数据，并统计数据出现的频率次数 构建候选项集C1 计算支持度：数据出现的频率次数/总数 形成频繁项集L1：筛选候选项集C1，要求支持度不小于最小支持度 连接频繁项集L1，生成候选项集C2 重复步骤③-⑤，得到最大的频繁项集 一、关联分析 扫描数据库，统计数据出现的频率次数 构建候选项集Cn 支持度>最小支持度 形成频繁项集Ln 开始 结束 是 否 计算支持度：频率次数/总数 构建候选项集Cn+1 Aprioir-Gen运算 扫描数据库 统计数据出现的频率次数 Apriori算法详解_Trident_lin的博客-CSDN博客_apriori https://blog.csdn.net/weixin_39220714/article/details/83595519 5 4.案例分析 一、关联分析 原始数据集： [面包，牛奶], [面包，尿布，啤酒，鸡蛋] [牛奶，尿布，啤酒，可乐] [面包，牛奶，尿布，啤酒] [面包，牛奶，尿布，可乐] 扫描数据库，统计每种食物出现的次数 候选项集C1 食物 数目 牛奶 4 面包 4 尿布 4 啤酒 3 鸡蛋 1 可乐 2 Apriori算法详解_Trident_lin的博客-CSDN博客_apriori https://blog.csdn.net/weixin_39220714/article/details/83595519 6 4.案例分析 一、关联分析 支持度大于2的频繁项集L1 候选项集C1 食物 数目 牛奶 4