- •2. Поиск ап(Ассоциативные правила)
- •2.1 Формальная модель.
- •Определение модели вычисления точности и важности.
- •2.3 Алгоритмы выявления ассоциативных правил.
- •2.4 Ассоциативные правила в реляционной базе данных.
- •Нечеткие транзакции и нечеткие ассоциативные правила.
- •3.2. Нечеткие транзакции и нечеткие ассоциативные правила. Наш путь
- •Поддержка и доверие в нечетких ассоциативных правилах.
- •Различные модели для определения точности и важности.
- •4 Приложение.
- •Нечеткие ассоциативные правила в реляционной базе данных.
- •4.2.Нечеткость и приближенные функциональные зависимости.
- •Связанные правила
Различные модели для определения точности и важности.
Как мы уже отмечали ранее, определенные факторы и связанные идеи очень строгих правил были введены в установки четкого интеллектуального анализа данных, чтобы избежать некоторых из этих недостатков от использования поддержки и достоверности. Этот раздел будет посвящен презентации расширению этих идей для нечеткого варианта.
Определение 10. Достоверный фактор нечеткого ассоциативного правила (НАП) это значение
Если , то
Если при условии согласия, что если , тогда и если, тогда
Определение 11. Нечеткое ассоциативное правило строгое, тогда, когда его достоверный фактор и поддержка больше чем определенные пользователем два порога minCF и minsupp соответственно. Нечеткое ассоциативное правило является очень строгим, если оба и и являются строгими.
Наборы данных и значение которого «отсутствие A» (соответственно С) в транзакции являются определенными в обычном случае и . Логическую основу этого определения составляет, что правила и являются тем же знанием.
4 Приложение.
Отметим, что пункты «элемент» и «транзакция» являются абстрактными понятиями, которые могут быть представлены как некий вид «объекта» и «подмножества объектов» соответственно. В зависимости от конкретных характеристик АП могут обеспечивать различные виды паттернов. В этой секции мы кратко опишем некоторые экземпляры выполнения этой простой идеи.
Нечеткие ассоциативные правила в реляционной базе данных.
Пусть множество лингвистических лейблов для атрибута . Будем использовать лейблы, чтобы именовать соответствующие нечеткие множества
Пусть . Тогда множество элементов с лейблами из L связаны с RE
Каждый экземпляр r из RE соотносящийся с FT множеством обозначим как с элементами из . Каждый кортеж соотносится с единственной нечеткой транзакцией
,
Такая что
В этом случае нечеткая транзакция может содержать более одного элемента, соответствующего различным лейблам одного и того же атрибута, потому что это возможно для единственного значения в таблице, чтобы соответствовать более одному лейблу в определенной степени. Тем не менее, наборы элементов ограничены содержанием одного элемента на один атрибут так как в противном случае применение нечетких правил не имело бы смысла.
Пример 3. Пусть r отношения таблицы 5, содержащей возраст и часы рождения 6 человек. Отношение r это экземпляр ER={Age,Hour}.
Таблица 5.
Будем использовать множество термов Lab(Age)={Baby, Kid, Very young, Young, Middle Age, Old, Very old} и определим множество термов Lab(Age)={Early morning,
Morning, Noon, Afternoon, Night}.
Столбцы таблицы 6 определяют нечеткие транзакции как нечеткие подмножества . Мы поменяли столбцы и строки местами в обычном представлении нечетких транзакций ради пространства. Для примера
В таблице 6 строка с элементом содержит нечеткое множество . Например
Описание набора элементов с более чем одним нечетким элементом, например
Некоторые правила, включающиеся нечеткие элементы в .
Этот общий подход был проверен на нахождение нечетких ассоциативных правил в нескольких реляционных базах данных.
Заметим, что были рассмотрены только четкие базы данных. Лингвистические термы определенные нечетким множеством в области четких количественных атрибутов. Однако, вполне возможно иметь данные по существу нечеткие, представленные и хранящиеся в одной из существующей нечеткой базы данных. В этих случаях наш подход сохраняется, подходящую работая как в примере разделе 3.2.