一种基于Apriori算法挖掘二维数据间关联规则的方法技术

本发明专利技术公开了一种基于Apriori算法挖掘二维数据间关联规则的方法，通过获取关系型数据库中的二维连续型数据表，对二维连续型数据表进行离散化处理，得到二维离散化数据表，然后通过Apriori算法挖掘出二维离散化数据表中各数据之间的频繁项集，并生成频繁项集的关联规则，同时计算每一条规则的置信度，最后根据亲密度计算公式、每一条规则的置信度以及频繁项集的关联规则，计算得到二层级数据的关联规则，可以挖掘二维数据表属性之间的关联规则，从而确定属性间的亲密关系。

A method of mining association rules between two-dimensional data based on Apriori algorithm

【技术实现步骤摘要】
一种基于Apriori算法挖掘二维数据间关联规则的方法
本专利技术涉及计算机科学
，尤其涉及一种基于Apriori算法挖掘二维数据间关联规则的方法。
技术介绍
Apriori算法是常用的用于挖掘出数据关联规则的算法，它用来找出数据值中频繁出现的数据集合，找出这些集合的模式有助于做出决策。比如在常见的超市购物数据集，或者电商的网购数据集中，如果找到了频繁出现的数据集，那么对于超市，就可以优化产品的位置摆放，对于电商，就可以优化商品所在的仓库位置，达到节约成本，增加经济效益的目的。然而现有技术只考虑了商品之间的关联，并没有往上一层去考虑商品类别(货架)之间的关系，从而将有关联的商品直接放在一起，这就会造成商品摆放的混乱。在应用的过程中发现，经典的Apriori算法并不适用于发现二维数据表中属性与属性(列)之间的关系，只能用来挖掘数据值之间的关系。
技术实现思路
本专利技术实施例的目的是提供一种基于Apriori算法挖掘二维数据间关联规则的方法，可以挖掘二维数据表属性之间的关联规则，从而确定属性间的亲密关系，应用在商本文档来自技高网...

【技术保护点】
1.一种基于Apriori算法挖掘二维数据间关联规则的方法，其特征在于，包括以下步骤：/n获取关系型数据库中的二维连续型数据表，对所述二维连续型数据表进行离散化处理，得到二维离散化数据表；/n通过Apriori算法挖掘出所述二维离散化数据表中各数据之间的频繁项集，并生成所述频繁项集的关联规则，同时计算每一条规则的置信度；/n根据亲密度计算公式、每一条规则的置信度以及所述频繁项集的关联规则，计算得到二层级数据的关联规则。/n

【技术特征摘要】
1.一种基于Apriori算法挖掘二维数据间关联规则的方法，其特征在于，包括以下步骤：
获取关系型数据库中的二维连续型数据表，对所述二维连续型数据表进行离散化处理，得到二维离散化数据表；
通过Apriori算法挖掘出所述二维离散化数据表中各数据之间的频繁项集，并生成所述频繁项集的关联规则，同时计算每一条规则的置信度；
根据亲密度计算公式、每一条规则的置信度以及所述频繁项集的关联规则，计算得到二层级数据的关联规则。


2.如权利要求1所述的基于Apriori算法挖掘二维数据间关联规则的方法，其特征在于，所述亲密度计算公式为：
其中，A、B为二维数据表中的属性，t为可能存在的关联规则总数，pi是关联规则i的置信度，为实际挖掘出的带权重的关联规则数。


3.如权利要求1所述的基于Apriori算法挖掘二维数据间关联规则的方法，其特征在于，所述频繁项集通过以下方式获...

【专利技术属性】
技术研发人员：仇晶，方拓迁，方滨兴，田志宏，殷丽华，顾钊铨，韩伟红，李树栋，李默涵，唐可可，
申请(专利权)人：广州大学，
类型：发明
国别省市：广东;44