数据结构
网络
关系数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装设计
法律研究什么是基于约束的关联挖掘？
数据挖掘过程可以从给定的信息集中挖掘出数千条规则，其中大部分规则最终对用户来说是独立的或乏味的。用户最了解哪种挖掘“方向”可以导致有趣的模式，以及他们希望发现的模式或规则的“形式”。
因此，一个好的启发式方法是让用户将这种直觉或期望定义为约束，以约束搜索空间。这种策略称为基于约束的挖掘。
基于约束的算法需要约束来减少频繁项集生成步骤中的搜索区域（关联规则生成步骤与穷举算法相同）。
一般约束是最小支持阈值。如果一个约束不受控制，则将其包含在挖掘阶段可以支持显着减少探索空间，因为在搜索空间格中定义了一个边界，在此之后不需要探索。
约束的重要性是明确的——它们仅创建对用户有吸引力的关联规则。该方法非常简单，并且规则空间减少了，从而使其余方法满足约束。
基于约束的聚类发现满足用户定义的偏好或约束的聚类。它取决于约束的特征，基于约束的聚类可以采用相当不同的方法。
约束可以包括以下内容：
知识类型约束 - 这些定义要挖掘的知识类型，包括关联或相关性。
数据约束 - 这些定义任务相关信息集，例如维度/级别约束 - 这些定义信息所需的维度（或属性），或概念层次结构的方法，用于挖掘。
有趣性约束 - 这些定义规则有趣性的数值度量的阈值，包括支持度、置信度和相关性。
规则约束 - 这些定义要挖掘的规则的形式。此类约束可以定义为元规则（规则模板），作为规则前件或后件中可以出现的谓词的最大或最小数量，或作为属性、属性值和/或聚合之间的关系。
可以使用高级声明式数据挖掘查询语言和用户界面来描述以下约束。这种形式的基于约束的挖掘使用户能够定义他们希望发现的规则，从而使数据挖掘过程更有效率。
此外，可以使用复杂的挖掘查询优化器来处理用户定义的约束，从而使挖掘过程更有效。基于约束的挖掘促进了交互式探索性挖掘和分析。
21K+ 浏览量
