›
›

Bài giảng Khai phá dữ liệu - Chương 3: Khai phá luật kết hợp - ThS. Nguyễn Vương Thịnh

pptx 70 trang phuongnguyen 6890
Download
Bạn đang xem 20 trang mẫu của tài liệu "Bài giảng Khai phá dữ liệu - Chương 3: Khai phá luật kết hợp - ThS. Nguyễn Vương Thịnh", để tải tài liệu gốc về máy bạn click vào nút DOWNLOAD ở trên

Tài liệu đính kèm:

  • pptxbai_giang_khai_pha_du_lieu_chuong_3_khai_pha_luat_ket_hop_th.pptx

Nội dung text: Bài giảng Khai phá dữ liệu - Chương 3: Khai phá luật kết hợp - ThS. Nguyễn Vương Thịnh

  1. TRƯỜNG ĐẠI HỌC HÀNG HẢI VIỆT NAM KHOA CÔNG NGHỆ THÔNG TIN BÀI GIẢNG MÔN HỌC KHAI PHÁ DỮ LIỆU CHƯƠNG 3: KHAI PHÁ LUẬT KẾT HỢP Giảng viên: ThS. Nguyễn Vương Thịnh Bộ môn: Hệ thống thông tin Hải Phòng, 2013
  2. Thông tin về giảng viên Họ và tên Nguyễn Vương Thịnh Đơn vị công tác Bộ môn Hệ thống thông tin – Khoa Công nghệ thông tin Học vị Thạc sỹ Chuyên ngành Hệ thống thông tin Cơ sở đào tạo Trường Đại học Công nghệ - Đại học Quốc Gia Hà Nội Năm tốt nghiệp 2012 Điện thoại 0983283791 Email thinhnv@vimaru.edu.vn Website cá nhân 2
  3. Thông tin về học phần Tên học phần Khai phá dữ liệu Tên tiếng Anh Data Mining Mã học phần 17409 Số tín chỉ 03 tín chỉ Số tiết lý thuyết 39 tiết (13 tuần x 03 tiết/tuần) Số tiết thực hành 10 tiết (05 tuần x 02 tiết/tuần) Bộ môn phụ trách Hệ thống thông tin PHƯƠNG PHÁP HỌC TẬP, NGHIÊN CỨU ❖ Nghe giảng, thảo luận, trao đổi với giảng viên trên lớp. ❖ Tự nghiên cứu tài liệu và làm bài tập ở nhà. PHƯƠNG PHÁP ĐÁNH GIÁ ❖ SV phải tham dự ít nhất 75% thời gian. ❖ Có 02 bài kiểm tra viết giữa học phần (X = X2 = (L1 + L2)/2). ❖ Thi kết thúc học phần bằng hình thức trắc nghiệm khách quan 3 trên máy tính (Z = 0.5X + 0.5Y).
  4. Tài liệu tham khảo 1. Jiawei Han and Micheline Kamber, Data Mining Concepts and Techniques, Elsevier Inc, 2006. 2. Ian H. Witten, Eibe Frank, Data Mining – Practical Machine Learning Tools and Techniques (the second edition), Elsevier Inc, 2005 (sử dụng kèm với công cụ Weka). 3. Elmasri, Navathe, Somayajulu, Gupta, Fundamentals of Database Systems (the 4th Edition), Pearson Education Inc, 2004. 4. Hà Quang Thụy, Phan Xuân Hiếu, Đoàn Sơn, Nguyễn Trí Thành, Nguyễn Thu Trang, Nguyễn Cẩm Tú, Giáo trình Khai phá dữ liệu Web, NXB Giáo dục, 2009 4
  5. Công cụ phần mềm hỗ trợ Phần mềm Weka được phát triển bởi nhóm nghiên cứu của trường Đại học Waikato (New Zealand) từ năm 1999. Có thể download về tại địa chỉ: 6
  6. CHƯƠNG 3: KHAI PHÁ LUẬT KẾT HỢP 3.1. MỘT SỐ KHÁI NIỆM CƠ BẢN 3.2. TÌM TẬP PHỔ BIẾN VỚI GIẢI THUẬT APRIORI 3.3. SINH LUẬT KẾT HỢP TỪ CÁC TẬP PHỔ BIẾN 3.4. TÌM TẬP PHỔ BIẾN VỚI GIẢI THUẬT FP - GROWTH 3.5. MỘT SỐ DẠNG THỨC CỦA CSDL GIAO DỊCH 3.6. KHAI PHÁ LUẬT KẾT HỢP VỚI PHẦN MỀM WEKA 7
  7. 3.1.1. Khái niệm mục (item) và tập mục (item set)  Cho một tập gồm n đối tượng I = {I1, I2, I3, , In}, mỗi phần tử Ii ∈ I được gọi là một mục (item). Một tập con bất kỳ X ⊆ I được gọi là một tập mục (item set).  Cho một tập D = {T1, T2, , Tm}, mỗi phần tử Tj ∈ D được gọi là một giao dịch (transaction) và là một tập con nào đó của I (Tj ⊆ I). Người ta gọi D là cơ sở dữ liệu giao dịch (transaction database). Số giao dịch có trong D ký hiệu là |D|. Ví dụ: I = {A, B, C, D, E, F}, X = {A, D, E} là một tập mục. Một cơ sở dữ liệu giao dịch D gồm các tập con Tj khác nhau của I: T1 {A, B, C, D} T2 {A, C, E} T3 {A, E} T4 {A, E, F} T5 {A, B, C, E, F} 8
  8. Milk, Bread, Coke Beer, Bread Beer, Milk, Diaper, Coke 10:05 10:12 10:15 Beer, Milk, Diaper, Bread Milk, Diaper, Coke 10:23 10:30 9
  9. 3.1.2. Độ hỗ trợ (support) ứng với một tập mục “Độ hỗ trợ ứng với tập mục X là xác suất xuất hiện của X trong cơ sở dữ liệu giao dịch D” Hoặc “Đỗ hỗ trợ ứng với tập mục X là tỷ lệ các giao dịch có chứa X trên tổng số các giao dịch có trong cơ sở dữ liệu giao dịch D” CX() sup(X ) = ||D Trong đó: C(X) là số lần xuất hiện của X hay số giao dịch có chứa X T {A, B, C, D} Ví dụ: X = {A, E} thì C(X) = 4 và sup(X) = 4/5 = 80% 1 T2 {A, C, E} T3 {A, E} T4 {A, E, F} T5 {A, B, C, E, F} Các tập mục có độ hỗ trợ lớn hơn một giá trị ngưỡng minsup nào đó cho trước được gọi là các tập phổ biến (frequent item set). 10
  10. 3.1.3. Luật kết hợp (Association Rule)  Cho hai tập mục X, Y ⊆ I, X ∩ Y = ϕ. Luật kết hợp ký hiệu là X → Y chỉ ra mối ràng buộc của tập mục Y theo tập mục X, nghĩa là khi X xuất hiện trong cơ sở dữ liệu giao dịch thì sẽ kéo theo sự xuất hiện của Y với một một tỷ lệ nào đấy.  Luật kết hợp được đặc trưng bởi: Độ hỗ trợ của luật: là tỷ lệ (hay xác suất) xuất hiện cả X và Y trong cùng một giao dịch. CXY() sup(XYXY→ ) = sup(  ) = ||D Độ tin cậy của luật: là tỷ lệ các giao dịch có chứa cả X và Y so với các giao dịch có chứa X. CXYXY(→ ) sup( ) conf (XY→ ) = = CXX( ) sup( ) Trong đó: C(X ∪ Y): Số giao dịch có chứa cả X và Y. C(X): Số giao dịch có chứa X. 11
  11.  Luật mạnh: Các luật có độ hỗ trợ lớn hơn một giá trị ngưỡng minsup và độ tin cậy lớn hơn một giá trị ngưỡng minconf cho trước được gọi là các luật “mạnh” hay “luật có giá trị” (strong association rules). Cụ thể: Nếu đồng thời sup(X→Y) ≥ minsup và conf(X→Y) ≥ minconf thì X→Y được gọi là luật mạnh (strong association rule). 12
  12. 3.1.4. Bài toán khai phá luật kết hợp Input: Cơ sở dữ liệu giao dịch D. Các giá trị ngưỡng minsup, minconf. Output: Tất cả các luật mạnh. Để giải quyết bài toán khai phá luật kết hợp bao giờ cũng thường trải qua hai pha: Pha 1: Sinh tất cả các tập phổ biến có thể có. Ở pha này ta sử dụng các giải thuật tìm tập phổ biến như: Apriori, FP-Growth, Pha 2: Ứng với mỗi tập phổ biến K tìm được ở pha 1, tách K thành hai tập X, Y không giao nhau (K = X ∪ Y và X ∩ Y = ϕ). Tính độ tin cậy của luật kết hợp X → Y, nếu độ tin cậy trên ngưỡng minconf thì nó là luật mạnh. Chú ý là nếu tập K có k phần tử thì số tập con thực sự của K sẽ là 2k – 2, tức là từ K ta sẽ sinh được tối đa là 2k - 2 luật. Lưu ý: Trong một số giải thuật, để xác định một tập là phổ biến người ta không sử dụng khái niệm độ hỗ trợ mà sử dụng khái niệm số lần xuất hiện (support count). Nếu số lần xuất hiện của tập mục trong cơ sở dữ liệu giao dịch lớn hơn một giá trị ngưỡng nào đấy thì nó là tập phổ biến. Giá trị ngưỡng này được xác định là: mincount = minsup * |D | 13
  13. 3.2.1. Nguyên lý Apriori “Nếu một tập mục là tập phổ biến thì mọi tập con khác rỗng bất kỳ của nó cũng là tập phổ biến” Chứng minh: Xét X’ ⊆ X. Ký hiệu p là ngưỡng độ hỗ trợ minsup. Một tập mục xuất hiện bao nhiêu lần thì các tập con chứa trong nó cũng xuất hiện ít nhất bấy nhiêu lần, nên ta có: C(X’) ≥ C(X) (1). X là tập phổ biến nên: CX() sup(X )= p C ( X ) p | D | (2) ||D CX( ') Từ (1) và (2) suy ra: C( X ') p | D | sup( X ') = p ||D Tức là X’ cũng là tập phổ biến (đpcm). 14
  14. 3.2.2. Giải thuật Apriori Mục đích: Tìm ra tất cả các tập phổ biến có thể có.  Dựa trên nguyên lý Apriori.  Hoạt động dựa trên Quy hoạch động: Từ các tập Fi = { ci | ci là tập phổ biến, |ci| = i} gồm mọi tập mục phổ biến có độ dài i (1 ≤ i ≤ k), đi tìm tập Fk+1 gồm mọi tập mục phổ biến có độ dài k+1. Các mục I1, I2, , In trong tập I được coi là sắp xếp theo một thứ tự cố định. 15
  15. Input: - Cơ sở dữ liệu giao dịch D = {t1, t2, , tm}. - Ngưỡng độ hỗ trợ tối thiểu minsup. Output: - Tập hợp tất cả các tập phổ biến. mincount = minsup * |D | ; F1 = { các tập phổ biến có độ dài 1}; for(k=1; Fk != ⍉; k++) { Ck+1 = Apriori_gen(Fk); for each t ∈ D { Ct = { c | c ∈ Ck+1 và c ⊆ t}; for each c ∈ Ct c.count++; } Fk+1 = {c ∈ Ck+1 | c.count ≥ mincount}; } 16 return F = Fk k
  16. Thủ tục con Apriori_gen • Thủ tục con Apriori_gen có nhiệm vụ sinh ra (generation) các tập mục có độ dài k+1 từ các tập mục có độ dài k trong tập Fk. • Được thi hành qua hai bước: nối (join) các tập mục có chung các tiền tố (prefix) và sau đó áp dụng nguyên lý Apriori để loại bỏ bớt những tập không thỏa mãn. Cụ thể: ❖ Bước nối: Sinh các tập mục c là ứng viên của tập phổ biến có độ dài k+1 bằng cách kết hợp hai tập phổ biến li và lj ∈ Fk có độ dài k và trùng nhau ở k-1 mục đầu tiên: c = li + lj = {i1, i2, , ik-1, ik, ik’}. Với li = {i1, i2, , ik-1, ik}, lj = {i1, i2, , ik-1, ik’}, và i1 ≤ i2 ≤ ≤ ik-1 ≤ ik ≤ ik’. ❖ Bước tỉa: Giữ lại tất cả các ứng viên c thỏa thỏa mãn nguyên lý Apriori tức là mọi tập con có độ dài k của nó đều là tập phổ biến (∀sk ⊆ c và |sk| = k thì sk ∈ Fk). 17
  17. function Apriori_gen(Fk: tập các tập phổ biến độ dài k): Tập ứng viên có độ dài k+1 { Ck+1 = ⍉; for each li ∈ Fk for each lj ∈ Fk if (li[1]=lj[1]) and (li[2]=lj[2]) and (li[k-1]=lj[k-1]) and (li[k]<lj[k]) then { c = {li[1], li[2], li[3], , li[k], lj[k]}; if has_infrequent_subset(c, Fk) then delete c; else Ck+1 = Ck+1 ∪ {c}; } return Ck+1; } 18
  18. Hàm has_infrequent_subset làm nhiệm vụ kiểm tra xem một ứng viên có độ dài k+1 có chứa tập không phổ biến hay không, nếu có thì ứng viên lập tức bị loại. Đây là bước tỉa dựa trên nguyên lý Apriori nhằm loại bỏ nhanh các ứng viên không thỏa mãn. function has_infrequent_subset(c: Ứng viên có độ dài k+1, Fk: Tập các tập phổ biến độ dài k): Boolean { for each sk ⊂ c if sk ∉ Fk then return True; return False; } 19
  19. Để sinh các luật kết hợp: ❖ Với mỗi tập phổ biến X ∈ F, ta xác định các tập mục không rỗng là con của X. ❖ Với mỗi tập mục con S không rỗng của X ta sẽ thu được một luật kết hợp là S→(X\S). Nếu độ tin cậy của luật thỏa mãn ngưỡng minconf thì luật đó là luật mạnh. CX() conf (SXS→ ( \ )) = minconf CS() function Rules_Generation(F: Tập các tập phổ biến): Tập các luật kết hợp mạnh { R = ⍉; F=F \ F1; //Các tập phổ biến độ dài 1 không dùng để sinh luật for each X ∈ F for each S ⊂ X if conf(S→(X\S)) ≥ minconf then R = R ∪ { S→(X\S)}; return R; 20 }
  20. BÀI TẬP ÁP DỤNG Bài tập số 1: Cho I = {A, B, C, D, E, F} và cơ sở dữ liệu giao dịch D: T1 {A, B, C, F} T2 {A, B, E, F} T3 {A, C} T4 {D, E} T5 {B, F} Chọn ngưỡng minsup = 25% và minconf = 75%. Hãy xác định các luật kết hợp mạnh. 21
  21. mincount = minsup * |D| = 25%*5 = 1.25 = 2 Tập mục Số lần C2 Số lần {A, B} xuất hiện Tập mục Số lần Sinh các tập xuất hiện F có độ dài 2 {A, C} {A, B} 2 1 xuất hiện {A} 3 Sinh các tập bằng cách {A, E} {A, C} 2 phổ biến có {A} 3 nối các tập {A, E} 1 {B} 3 độ dài 1 {A, F} {B} 3 có độ dài 1 {C} 2 {B, C} {A, F} 2 {C} 2 {D} 1 {B, E} {B, C} 1 {E} 2 {E} 2 {B, F} {B, E} 1 {F} 3 {F} 3 {C, E} {B, F} 3 {C, F} {C, E} 0 {E, F} {C, F} 1 {E, F} 1 Loại các tập mục Số lần không Sinh các tập F thỏa mãn 2 xuất hiện Tập mục mục có độ Số lần Số lần nguyên lý dài 3 từ tập {A, B} 2 F C Apriori {A, B, C} phổ biến F 3 3 2 {A, C} 2 xuất hiện xuất hiện {A, B, F} {A, F} 2 {A, B, F} 2 {A, B, F} 2 {A, C, F} {B, F} 3 F3 chỉ có một phần tử nên không thể tiếp tục kết nối để sinh F4. Thuật toán kết thúc. Ta có tập các tập phổ biến là: 22 F ={{A}, {B}, {C}, {E}, {F}, {A, B}, {A, C}, {A, F}, {B, F}, {A, B, F}}
  22. {A, B} có thể sinh các luật: {A}→{B}, {B}→{A} CAB({ , }) 2 conf ({AB }→ { }) = = = 66.7% CA({ }) 3 CAB({ , }) 2 conf ({BA }→ { }) = = = 66.7% CB({ }) 3 {A, C} có thể sinh các luật: {A}→{C}, {C}→{A} CAC({ , }) 2 conf ({AC }→ { }) = = = 66.7% CA({ }) 3 CAC({ , }) 2 conf ({CA }→ { }) = = = 100% CC({ }) 2 {A, F} có thể sinh các luật: {A}→{F}, {F}→{A} CAF({ , }) 2 conf ({AF }→ { }) = = = 66.7% CA({ }) 3 CAF({ , }) 2 conf ({FA }→ { }) = = = 66.7% CF({ }) 3 23
  23. {B, F} có thể sinh các luật: {B}→{F}, {F}→{B} CBF({ , }) 3 conf ({BF }→ { }) = = = 100% CB({ }) 3 CBF({ , }) 3 conf ({FB }→ { }) = = = 100% CF({ }) 3 {A, B, F} có thể sinh các luật: {A}→{B, F}, {A, B}→{F}, {B}→{A, F}, {B, F}→{A}, {F}→{A, B}, {A, F}→{B} CABF({ , , }) 2 conf ({ABF }→ { , }) = = = 66.7% CA({ }) 3 CABF({ , , }) 2 conf ({ABF , }→ { }) = = = 100% CAB({ , }) 2 CABF({ , , }) 2 conf ({BAF }→ { , }) = = = 66.7% CB({ }) 3 CABF({ , , }) 2 conf ({BFA , }→ { }) = = = 66.7% CBF({ , }) 3 24
  24. CABF({ , , }) 2 conf ({FAB }→ { , }) = = = 66.7% CF({ }) 3 CABF({ , , }) 2 conf ({AFB , }→ { }) = = = 100% CAF({ , }) 2 Như vậy các luật kết hợp mạnh thu được gồm: {C}→{A}, {B}→{F}, {F}→{B}, {A, B}→{F}, {A, F}→{B} 25
  25. Bài tập số 2: Cho I = {A, B, C, D, E, F} và cơ sở dữ liệu giao dịch D: T1 {D, E} T2 {A, B, D, E} T3 {A, B, D} T4 {C, D, E} T5 {F} T6 {B, C, D} Chọn ngưỡng minsup = 20% và minconf = 70%. Hãy xác định các luật kết hợp mạnh. 26
  26. mincount = minsup * |D| = 20%*6 = 1.2 = 2 Số lần Tập mục Tập mục Số lần Số lần xuất hiện F {A, B} C2 1 xuất hiện xuất hiện {A} 2 {A, C} {A} 2 {A, B} 2 {B} 3 {A, D} {B} 3 {A, C} 0 {C} 2 {A, E} {C} 2 {A, D} 2 {D} 5 {B, C} {D} 5 {A, E} 1 {E} 3 {B, D} {E} 3 {B, C} 1 {F} 1 {B, E} {B, D} 3 {C, D} {B, E} 1 {C, E} {C, D} 2 {D, E} {C, E} 1 {D, E} 3 Số lần Số lần Tập mục Số lần F C F 3 xuất hiện 3 xuất hiện {A, B, D} 2 xuất hiện {A, B, D} 2 {A, B, D} 2 {A, B} 2 {A, D} 2 {B, D} 3 {C, D} 2 {D, E} 3 Tập F3 chỉ có một phần tử nên không thể tiếp tục kết nối để sinh ứng viên cho tập F4. Thuật toán kết thúc. Tập các tập phổ biến thu được: 27 F = {{A}, {B}, {C}, {D}, {E}, {A, B}, {A, D}, {B, D}, {C, D}, {D, E}, {A, B, D}}
  27. {A, B} sinh luật: {A}→{B}, {B}→{A} CAB({ , }) 2 conf ({AB }→ { }) = = = 100% CA({ }) 2 CAB({ , }) 2 conf ({BA }→ { }) = = = 66.7% CB({ }) 3 {A, D} sinh luật: {A}→{D}, {D}→{A} CAD({ , }) 2 conf ({AD }→ { }) = = = 100% CA({ }) 2 CAB({ , }) 2 conf ({DA }→ { }) = = = 40% CD({ }) 5 {B, D} sinh luật: {B}→{D}, {D}→{B} CBD({ , }) 3 conf ({BD }→ { }) = = = 100% CB({ }) 3 CBD({ , }) 3 conf ({DB }→ { }) = = = 60% 28 CD({ }) 5
  28. {C, D} sinh luật: {C}→{D}, {D}→{C} CCD({ , }) 2 conf ({DC }→ { }) = = = 40% CD({ }) 5 CCD({ , }) 2 conf ({CD }→ { }) = = = 100% CC({ }) 2 {D, E} sinh luật: {D}→{E}, {E}→{D} CDE({ , }) 3 conf ({DE }→ { }) = = = 60% CD({ }) 5 CDE({ , }) 3 conf ({ED }→ { }) = = = 100% CE({ }) 3 {A, B, D} sinh luật: {A}→{B, D}, {A, B}→{D}, {B}→{A, D}, {B, D}→{A}, {D}→{A, B}, {A, D}→B CABD({ , , }) 2 conf ({ABD , }→ { }) = = = 100% CAB({ , }) 2 CABD({ , , }) 2 conf ({ABD }→ { , }) = = = 100% CA({ }) 2 29
  29. CABD({ , , }) 2 conf ({BAD }→ { , }) = = = 66.7% CB({ }) 3 CABD({ , , }) 2 conf ({BDA , }→ { }) = = = 66.7% CBD({ , }) 3 CABD({ , , }) 2 conf ({DAB }→ { , }) = = = 40% CD({ }) 5 CABD({ , , }) 2 conf ({ADB , }→ { }) = = = 100% CAD({ , }) 2 Các luật kết hợp mạnh thu được gồm: 1. {A}→{B} 2. {A}→{D} 3. {B}→{D} 4. {C}→{D} 5. {E}→{D} 6. {A}→{B, D} 7. {A,B}→{D} 30 8. {A, D}→B
  30. Tư tưởng: Cho phép phát hiện ra các tập phổ biến mà không cần khởi tạo các ứng viên. BƯỚC 1: Xây dựng một cấu trúc dữ liệu thu gọn gọi là cây FP. Bước này chỉ yêu cầu quét CSDL giao dịch 02 lần. BƯỚC 2: Kết xuất các mục phổ biến dựa trên cây FP. Thao tác duyệt cây được thực hiện tại bước này. 31
  31. BƯỚC 1: XÂY DỰNG CÂY FP (Jiawei Han and Micheline Kamber, Data Mining Concepts and Techniques) 32
  32. ❖Quét CSDL giao dịch và đếm số lần xuất hiện ứng với mỗi mục. ❖Loại bỏ các mục không phổ biến. ❖Sắp lại thứ tự các mục trong mỗi giao dịch theo thứ tự giảm dần của số lần xuất hiện. ❖Mỗi nút của cây tương ứng với một mục và được gắn trọng số là số lần xuất hiện. ❖Giải thuật FP-Growth đọc lần lượt từng giao dịch và ánh xạ tương ứng với mỗi đường đi (xuất phát từ nút gốc) trên cây FP. 33
  33. ❖Thứ tự sắp xếp của các mục được tuân thủ trong suốt quá trình xây dựng cây FP. ❖Các đường đi có thể có thể có những đoạn trùng nhau do các giao dịch có các phần tử chung (chung tiền tố trong dãy). Mỗi lần có phần tử trùng thì trọng số của đỉnh ở vị trí trùng được tăng lên 1. ❖Con trỏ được sử dụng để duy trì danh sách kết nối đơn giữa các nút đại diện cho cùng một mục. 34
  34. BƯỚC 2: SINH TẬP PHỔ BIẾN (duyệt cây FP) (Jiawei Han and Micheline Kamber, Data Mining Concepts and Techniques) 35
  35. Ứng với mỗi mục phổ biến Ii: ❖ Xây dựng tập các cơ sở mẫu có điều kiện (conditional pattern base). Mỗi mẫu có điều kiện là một đường đi nối từ đỉnh gốc tới đỉnh cha kề với đỉnh có chứa mục Ii. Mỗi mẫu được gán trọng số bằng với trọng số của đỉnh có chứa mẫu Ii ở cuối đường đi. ❖ Xây dựng cây FP có điều kiện (conditional FP-tree) dựa trên việc kết hợp các mẫu có chung tiền tố (nếu có). Khi đó trọng số ứng với mỗi đỉnh là tổng các trọng số được ghép. ❖ Duyệt cây FP có điều kiện để sinh các tập phổ biến có hậu tố là I . 36 i
  36. Ví dụ 1: Cho cơ sở dữ liệu giao dịch D gồm các giao dịch: TID Items bought 100 {f, a, c, d, g, i, m, p} 200 {a, b, c, f, l, m, o} 300 {b, f, h, j, o} 400 {b, c, k, s, p} 500 {a, f, c, e, l, p, m, n} Biết ngưỡng minsup = 60%. Hãy tìm các tập phổ biến. 37
  37. ❑ Quét CSDL để tính số lần xuất hiện (support count) ứng với mỗi mục: TID Items bought 100 {f, a, c, d, g, i, m, p} Item frequency 200 {a, b, c, f, l, m, o} f 4 300 {b, f, h, j, o} c 4 400 {b, c, k, s, p} a 3 500 {a, f, c, e, l, p, m, n} b 3 m 3 mincount = 3 p 3 ❑ Loại bỏ các mục không phải là phổ biến. ❑ Sắp các mục trong mỗi giao dịch theo thứ tự giảm của support count. TID Items bought (ordered) frequent items 100 {f, a, c, d, g, i, m, p} {f, c, a, m, p} 200 {a, b, c, f, l, m, o} {f, c, a, b, m} 300 {b, f, h, j, o} {f, b} 400 {b, c, k, s, p} {c, b, p} 500 {a, f, c, e, l, p, m, n} {f, c, a, m, p} 38
  38. TID Items bought (ordered) frequent items 100 {f, a, c, d, g, i, m, p} {f, c, a, m, p} 200 {a, b, c, f, l, m, o} {f, c, a, b, m} 300 {b, f, h, j, o} {f, b} 400 {b, c, k, s, p} {c, b, p} 500 {a, f, c, e, l, p, m, n} {f, c, a, m, p} Đọc từng giao dịch và ánh xạ vào cây FP: {} {} f:1 f:2 {f, c, a, m, p} {f, c, a, b, m} {} c:1 c:2 a:1 a:2 m:1 m:1 b:1 p:1 p:1 m:1 39
  39. Đọc từng giao dịch và ánh xạ vào cây FP (tiếp) {} {} {} f:3 f:3 c:1 f:4 c:1 {f, b} {c, b, p} {f, c, a, m, p} c:2 b:1 c:2 b:1 b:1 c:3 b:1 b:1 a:2 a:2 p:1 a:3 p:1 m:1 b:1 m:1 b:1 m:2 b:1 p:1 m:1 p:1 m:1 p:2 m:1 Node-Link 40
  40. Cây FP hoàn chỉnh: {} Header Table f:4 c:1 Item head f c c:3 b:1 b:1 a b a:3 p:1 m p m:2 b:1 p:2 m:1 41
  41. {} Header Table ❖ Xét mục p: f:4 c:1 Cơ sở mẫu có điều kiện gồm: Item head f f-c-a-m:2 và c-b:1 c c:3 b:1 b:1 a b a:3 p:1 {} m {} f:2 p m:2 b:1 c:1 p:2 m:1 c:2 c:3 b:1 a:2 m:2 Tập phổ biến là: cp:3 42
  42. {} ❖ Xét mục m: Header Table Cơ sở mẫu có điều kiện gồm: f:4 c:1 Item head f f-c-a:2 và f-c-a-b:1 c c:3 b:1 b:1 a {} b a:3 p:1 {} m p m:2 b:1 f:3 f:3 p:2 m:1 c:3 c:3 a:3 a:3 b:1 Tập phổ biến gồm: fm:3, fcm:3, fcam:3, fam:3, cm:3, cam:3, am:3 43
  43. {} ❖ Xét mục b: Header Table Cơ sở mẫu có điều kiện gồm: f:4 c:1 Item head f f-c-a:1, f:1 và c:1 c c:3 b:1 b:1 a {} b a:3 p:1 m p m:2 b:1 f:2 c:1 {} p:2 m:1 c:1 a:1 44
  44. {} ❖ Xét mục a: Header Table Cơ sở mẫu có điều kiện gồm: f:4 c:1 Item head f-c:3 f {} c c:3 b:1 b:1 a b a:3 p:1 f:3 m p m:2 b:1 c:3 p:2 m:1 Tập phổ biến gồm: fa:3, fca:3, ca:3 ❖ Xét mục c: Cơ sở mẫu có điều kiện gồm: f:3 {} f:3 45 Tập phổ biến gồm: fc:3
  45. {} Header Table f:4 c:1 Item head f c c:3 b:1 b:1 a b a:3 p:1 m p m:2 b:1 p:2 m:1 Cây FP có điều Mục Cơ sở mẫu có điều kiện Tập phổ biến kiện p fcam:2, cb:1 p:3, cp:3 m:3, fm:3, fcm:3, fcam:3, m fca:2, fcab:1 fam:3, cm:3, cam:3, am:3 b fca:1, f:1, c:1 Null b:3 a fc:3 a:3, fa:3, fca:3, ca:3 c f:3 c:4, fc:3 46 f Null Null f:4
  46. Ví dụ 2: Cho cơ sở dữ liệu giao dịch D gồm các giao dịch: Biết ngưỡng minsup = 22%. Hãy tìm các tập phổ biến. 47
  47. Đếm số lần xuất hiện của các mục và sắp theo thứ tự giảm dần: Tập mục Số lần xuất hiện I2 7 I1 6 I3 6 I4 2 I5 2 48
  48. Giao dịch Danh sách mục T100 I2, I1, I5 T200 I2, I4 T300 I2, I3 T400 I2, I1, I4 T500 I1, I3 T600 I2, I3 T700 I1, I3 T800 I2, I1, I3, I5 T900 I2, I1, I3 49
  49. ❖ Xét mục I5: Cơ sở mẫu có điều kiện gồm: I2 – I1:1, I2 – I1 – I3:1 NULL NULL I2:2 I2:2 I1:2 I1:2 I3:1 Tập phổ biến gồm: I2 I5:2, I2I1I5:2, I1I5:2 53
  50. ❖ Xét mục I4: Cơ sở mẫu có điều kiện gồm: I2 – I1:1, I2:1 NULL NULL I2:2 I2:2 I1:1 Tập phổ biến gồm: I2 I4:2 54
  51. ❖ Xét mục I3: Cơ sở mẫu có điều kiện gồm: I2 – I1:2, I2:2, I1:2 NULL I2:4 I1:2 I1:2 Tập phổ biến gồm: I2 I3:4, I2I1I3:2, I1I3:4 55
  52. ❖ Xét mục I1: Cơ sở mẫu có điều kiện gồm: I2:4 NULL I2:4 Tập phổ biến gồm: I2 I1:4 56
  53. 3.5.1. BIỂU DIỄN DƯỚI DẠNG MA TRẬN GIÁ TRỊ NHỊ PHÂN ❑ Tập các mục I = {A1, A2, , An} và CSDL giao dịch D = {T1, T2, , Tm} ❑ Dòng thứ i tương ứng với giao dịch Ti ❑ Cột thứ j tương ứng với mục Aj ❑ Phần tử ai,j nhận giá trị 1 (TRUE) hoặc 0 (FALSE) tùy thuộc vào việc mục Aj có xuất hiện trong giao dịch Ti hay không? A1 A2 . . . An T1 a1,1 a1,2 . . . a1,n T a a . . . a 2 2,1 2,2 2,n ሖ T a a . . . a 1 푛ê 푗 ∈ 푖 3 3,1 3,2 3,n = ቐ . . . . . 푖,푗 ሖ . . . . . 0 푛ê 푗 ∉ 푖 . . . . . Tm-1 am-1,1 am-1,2 . . . am-1,n 58 Tm am,1 am,2 . . . am,n
  54. I = {A, B, C, D, E} D = {T1, T2, T3, T4, T5, T6} A B C D E T1 {B, C, E} T1 0 1 1 0 1 T2 {A, B, C} T2 1 1 1 0 0 T3 {B, E} T3 0 1 0 0 1 T4 {B, C, E} T4 0 1 1 0 1 T5 {A, B, C, E} T5 1 1 1 0 1 T6 {B, C, D} T6 0 1 1 1 0 59
  55. 3.5.2. BIỂU DIỄN DƯỚI DẠNG MA TRẬN GIÁ TRỊ ❑ Dòng thứ i tương ứng với giao dịch Ti ❑ Cột thứ j tương ứng với thuộc tính Aj ❑ Phần tử ai,j nhận giá trị djk nào đó thuộc miền giá trị dom(Aj) của thuộc tính Aj 푖,푗 = 푗 ∈ 표 ( 푗) ❑ Cứ một cặp ghép (Aj,djk) (có thể được viết là Aj = djk với hàm ý “thuộc tính Aj nhận giá trị djk”) mới được xem là một mục (Item). ❑ Tất cả các giao dịch đều có độ dài như nhau (chứa n mục). A1 A2 . . . An T1 a1,1 a1,2 . . . a1,n T2 a2,1 a2,2 . . . a2,n T3 a3,1 a3,2 . . . a3,n . . . . . . . . . . . . . . . Tm-1 am-1,1 am-1,2 . . . am-1,n 60 Tm am,1 am,2 . . . am,n
  56. ❑ Các luật kết hợp lúc này thường được biểu diễn dưới dạng: ( 1= 1 )⋀ 2 = 2 ∧ ⋯ ∧ ( 푛= 푛 ) → ( 1= 1 )⋀ 2 = 2 ∧ ⋯ ∧ ( 푛= ) ❑ Cũng có thể phát biểu dưới dạng luật “Nếu Thì ” : Nếu: ( = 풅 풌) 풗à = 풅 풌 풗à ( = 풅 풌) Thì: ( = 풅 풌) 풗à = 풅 풌 풗à ( = 풅 풌) 61
  57. A B C D E T1 {(A=1),(B=2),(C=1),(D=3),(E=2)} T1 1 2 1 3 2 T2 {(A=1),(B=3),(C=2),(D=1),(E=2)} T2 1 3 2 1 2 T3 {(A=1),(B=3),(C=2),(D=3),(E=1)} T3 1 3 2 3 1 T4 {(A=2),(B=3),(C=2),(D=2),(E=2)} T4 2 3 2 2 2 T5 {(A=3),(B=1),(C=1),(D=3),(E=1)} T5 3 1 1 3 1 T6 {(A=2),(B=3),(C=2),(D=1),(E=2)} T6 2 3 2 1 2 Luật {(A=1),(B=3)}→{(C=2)} có: sup = 2/6 = 33.3% conf = 2/2 = 100% Luật này có thể biểu diễn dưới dạng: (A=1)^(B=3)→(C=2) Hoặc: Nếu A = 1 và B = 3 thì C = 2 với xác suất 100% 62
  58. Luật {(outlook=sunny),(temperature=hot)}→{(play=no)} có: sup = 2/14 = 14.3% conf = 2/2 = 100% Luật này có thể biểu diễn dưới dạng: (outlook=sunny)^(temperature=hot)→(play=no) Nếu outlook = sunny và temparature = hot thì play = no với xác suất 100%
  59. Khởi động phần mềm Weka, chọn Explorer: 64
  60. Chọn tập tin dữ liệu sử dụng 65
  61. Dữ liệu cần khai phá Lưu ý: Weka chỉ làm việc tốt với dữ liệu được biểu diễn ở dạng ma trận giá trị 66
  62. Chọn thuật toán khai phá Chọn khai phá luật kết hợp (mặc định là Apriori) Click để thiết lập các thông số 67
  63. Thiết lập các thông số: Ngưỡng độ Ngưỡng độ hỗ trợ tối tin cậy tối thiểu thiểu (minsup) (minconf) Chọn loại độ đo (mặc định là dùng độ tin Số luật tối cậy) đa được hiển thị Ngưỡng độ Có cho hỗ trợ tối đa phép hiện (maxsup) kèm các tập phổ biển hay 68 không
  64. Kết quả khai phá: Các luật thỏa mãn 69
  65. Q & A 70