Xem mẫu
- GVHD:
PGS.TS Lê Hoài Bắc
Học viên:
Vũ Hoàng Hải Sơn - 1211061
1
- Nội Dung
1. Giới Thiệu
2. Mô tả thuật toán
3. Đánh giá và kết quả của thuật toán
2
- Giới thiệu
Có rất nhiều thuật toán được đề xuất tìm kiếm các luật
kết hợp (association rules) trong trường dữ liệu như:
Apriori
TreeProjection
FP-growth
Mining of generalized and multi-level rules
Mining of quantitative rules
…..
3
- Giới thiệu
Dữ liệu thời gian tồn tại rộng rãi trong kinh tế, tài chính,
truyền thông, và các lĩnh vực khác như dự báo thời tiết
Temporal Association Rules(TAR) là sự thể hiện của các
luật kết hợp bằng việc kết hợp với thời gian.
Đặc trưng của dữ liệu thời gian là sự cập nhật liên tục do
đó các giải thuật được đề xuất để giải quyết các vấn đề
xử lý chỗi thời gian:
Progressive Partition Miner(PPM)
Segmented Progressive Filter (SPF)
Two end AssocIation miNer (Twain)
Incremental Temporal Association Rules Mining (ITARM)
4
- Giới thiệu
• Incremental Temporal Association Rules Mining (ITARM)
Dựa trên nền của thuật toán Sliding-Window Filtering
Duy trì những tập tập phổ biến sau khi dữ liệu đã được cập
nhật
5
- Mô tả thuật toán
1. Mô tả dữ liệu
2. Giải thuật
6
- Mô tả dữ liệu
Dữ liệu thời gian sẽ được phân vùng theo các mốc thời
gian như theo tháng, quý, năm
Các ký hiệu được sử dụng:
Dbs,e :1 phần của dữ liệu bắt đầu từ Ps đến Pe
Ys,e : đối tượng có Ps là phân vùng bắt đầu và Pe là kết
thúc
MCP (Y): là thời gian thể hiện tối đa của đối tượng Y
7
- Mô tả dữ liệu
Các ký hiệu được sử dụng(tt):
Supp(xMCP(x)) là relative support của tập x
Conf(XY)MCP(XY) là độ tin cậy
8
- Mô tả dữ liệu
MCP(DE) = (2,3) do MCP(D) = (1,3) và MCP(E) = (2,3)
Supp(DE) = 2/8 = 25%
Conf(DE) = 2/3 = 66,66%
min_sup=30% và min_conf = 75% 9
- Giải thuật
10
- Thuật toán ITARM C2 Start Count
Input: DB, db, C2DB , min_sup P1+P2
Output: L’, C2DB+db BC 1 4
CE 2 2
B1: tìm tất cả các ứng cử DE 2 2
viên(UCV) trong db (C2db)
p3
AD 3 1
BC 3 1
BD 3 1
BE 3 1
BF 3 3
CE 3 1
CF 3 1
DF 3 1
EF 3 1 11
- Thuật toán ITARM
B2 : C2 Start Count RS
Cập nhật support của AD 3 1 4 x 30% = 2
các UCV X trong C2DB: BC 1 5 12 x 30% = 4
x.suppDB+db = x.suppDB + x.suppdb DB 3 1 4 x 30% = 2
BE 3 1 4 x 30% = 2
Cập nhật X vào C2DB+db
BF 3 3 4 x 30% = 2
Cập nhật các UCV còn
CE 2 3 8 x 30% = 3
lại trong C2DB và C2db
CF 3 1 4 x 30% = 2
vào C2DB+db
DE 2 2 8 x 30% = 3
DF 3 1 4 x 30% = 2
EF 3 1 4 x 30% = 2
12
- Thuật toán ITARM
B3: Lọc các UCV có supp > min_supp
Trong thuật toán này, supp được tính bằng số các trường
trong database có chứ X và min_supp được tính theo
công thức:
Các UCV được lọc lại là BC, BF, CE
13
- Thuật toán ITARM
B4:
Tìm các UCV gồm có k+1 đối tượng từ tập UCV thứ k
bằng phép kết Apriori (bắt đầu bằng k=2)
Cập nhật vào tập các UCV CDB+db
Dừng quá trình tìm kiếm khi tập CkDB+db = Ø
14
- Thuật toán ITARM
B5:
Tìm các tập thời gian(TI) từ tập UCV CDB+db
Tìm các tập thời gian con(SI) từ tập TI
TI’s SI’s
BC1,3 B1,3
C1,3
BF 3,3 B3,3
F3,3
CE2,3 C2,3
E2,3
15
- Thuật toán ITARM
B6:
Tính toán lại support count và lọc lại các UCV
Candidate itemset Count Relative support Frequent itemsets
SI’s B1,3 8 12 x 30% = 4 L1 B1,3
C1,3 6 12 x 30% = 4 C1,3
B3,3 3 4 x 30% = 2 B3,3
F3,3 3 4 x 30% = 2 F3,3
C2,3 4 8 x 30% = 3 C2,3
E2,3 4 8 x 30% = 3 E2,3
TI’s BC 1,3 5 12 x 30% = 4 L2 BC1,3
BF 3,3 3 4 x 30% = 2 BF 3,3
CE2,3 3 8 x 30% = 3 CE2,3
16
- Thuật toán Update C2
Input: C2DB ,Pn ,min_sup
Output: C2DB
Với mỗi UCV X thuộc C2DB , nếu tồn tại X trong n
transaction T thuộc Pn:
X.supportDB = X.supportDB - n
VD:
Trong trường hợp P3 không nằm trong tháng 3 mà là phần
thêm của tháng 2, tức là P2 = P2 + P3, và P2 được xem là db
C2DB count
BC 4 C2DB count
CE 2 BC 2
DE 2
17
- Đánh giá và kết quả thuật toán
So sánh với hai thuật toán SPF và Twain, tất cả đều chạy
trên nền máy Win Xp, code C#, 1.8 GHz Intel Core 2 Duo,
1GB ram
Tx: x là chiều dài trung bình của 1 transaction trong DB
Ly: y là chiều dài trung bình lớn nhất có thể có của 1 tập phổ
biến
Dz: z là số các transaction trong DB ban đầu (tính theo hàng
nghìn)
dr: r là số các transaction trong DB cập nhật (tính theo hàng
nghìn)
Nm: m là số lượng item (tính theo hàng nghìn)
Ln: n là số lượng tập phổ biến có thể có (tính theo hàng
nghìn)
Po: o là số các phân vùng
18
- Đánh giá và kết quả thuật toán
19
- CÁM ƠN THẦY VÀ CÁC BẠN
20
nguon tai.lieu . vn
