在本文中，我们将讨论多维关联规则。此外，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，Qualities 可以是绝对的，也可以是定量的。
- 数量特征是数字和巩固秩序。
- 数字特征应该被离散化。
- 多维从属关系规则包含多个度量。
- 示例 –购买(X，“IBM 笔记本电脑”)购买(X，“HP 喷墨打印机”)
多维关联规则挖掘方法：
挖掘多维从属关系规则的三种方法如下。
- 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。
- 离散化的归因被视为未减轻的。
- 使用先验计算来定位所有 k-正则谓词集(这需要 k 或 k+1 表输出)。正则谓词集的每个子集都应该是连续的。
例子 –
如果在一个信息块中的 3D 长方体(年龄，支付，购买)是连续的，则表明(年龄，支付)，(年龄，购买)，(支付，购买)同样是规则的。笔记 –
信息块适合挖掘，因为它们使挖掘速度更快。 n维信息长方体的单元格与谓词单元格相关。 - 使用数量性状的强大离散化：
- 称为挖掘定量关联规则。
- 数值属性逐渐离散化。
示例 – ：
age(X, "20..25") Λ income(X, "30K..41K")buys ( X, "Laptop Computer") - 元组网格：
使用基于距离的离散化与聚束 –
这种 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采矿措施。- 执行聚合以发现包含的时间段。
- 通过查找一起发生的团体聚会来获取从属规则。
由此产生的指导方针可能满足——
- 标准前体中的束与随后的规则组明确相关。
- 先行者中的许多人一起发生。
- 随之而来的一连串事件一起发生。