数据挖掘多维关联规则

在本文中，我们将讨论多维关联规则。另外，我们将讨论每个示例。让我们一一讨论。

多维关联规则：

在多维关联规则中，质量可以是绝对的或定量的。

• 数量特征是数字并合并顺序。
• 数字特征应离散化。
• 多维关联规则包含一个以上的度量。
• 示例–购买(X，“ IBM便携式计算机”)购买(X，“ HP喷墨打印机”)

挖掘多维关联规则的方法：
挖掘多维隶属关系规则的三种方法如下。

1. 使用定量质量的静态离散化：
   • 离散化是静态的，发生在挖掘之前。
   • 离散归因归因于未缓和。
   • 使用先验计算来查找所有k个正则谓词集(这需要k个或k + 1个表输出)。正则谓词集的每个子集都应该是连续的。

   例子 –
   如果在信息块中3D长方体(年龄，工资，购买)是连续的，则建议(年龄，工资)，(年龄，购买)，(工资，购买)同样是规则的。

   笔记 –
   信息块适用于挖掘，因为它们可以更快地进行挖掘。 n维信息长方体的单元格与谓词单元格有关。

2. 使用量化特征的强大离散化：
   • 被称为挖掘定量关联规则。
   • 数值性质逐渐离散。

   示例– ：

   age(X, "20..25") Λ income(X, "30K..41K")buys ( X, "Laptop Computer") 

3. 网格的TUPLES：
   将基于距离的离散化与聚类一起使用–
   此id动态离散化度量考虑了信息焦点之间的距离。它包括以下两个阶段的挖掘措施。
   • 执行汇总以发现包含的时间段。
   • 通过查找聚集在一起的团体来获得隶属规则。

   由此产生的准则可能会满足–

   • 标准前体中的束束在随后的束缚中明确地与规则组联系在一起。
   • 先驱中的束束同时发生。
   • 随之而来的束缚在一起发生。