数据分析实验平台使用说明

      一、本平台目前仅能进行数据库的关联规则分析

      二、关联规则原理及使用说明

1. 关联规则是形如X→Y的蕴涵式，其中， X和Y分别称为关联规则的先导(antecedent或left-hand-side, LHS)和后继(consequent或right-hand-side, RHS) 。

假设I是项的集合。给定一个交易数据库D，其中每个事务(Transaction)t是I的非空子集，即，每一个交易都与一个唯一的标识符TID(Transaction ID)对应。关联规则在D中的支持度(support)是D中事务同时包含X、Y的百分比，即概率；置信度(confidence)是包含X的事务中同时又包含Y的百分比，即条件概率。如果满足最小支持度阈值和最小置信度阈值。这些阈值是根据挖掘需要人为设定。

2.关联规则挖掘的第一阶段必须从原始资料集合中，找出所有高频项目组(Large Itemsets)。高频的意思是指某一项目组出现的频率相对于所有记录而言，必须达到某一水平。一项目组出现的频率称为支持度(Support)，以一个包含A与B两个项目的2-itemset为例，我们可以经由公式(1)求得包含{A,B}项目组的支持度，若支持度大于等于所设定的最小支持度(Minimum Support)门槛值时，则{A,B}称为高频项目组。一个满足最小支持度的k-itemset，则称为高频k-项目组(Frequent k-itemset)，一般表示为Large k或Frequent k。算法并从Large k的项目组中再产生Large k+1，直到无法再找到更长的高频项目组为止。

      关联规则挖掘的第二阶段是要产生关联规则(Association Rules)。从高频项目组产生关联规则，是利用前一步骤的高频k-项目组来产生规则，在最小置信度(Minimum Confidence)的条件门槛下，若一规则所求得的置信度满足最小置信度，称此规则为关联规则。例如：经由高频k-项目组{A,B}所产生的规则AB，其信赖度可经由公式(2)求得，若置信度大于等于最小置信度，则称AB为关联规则。

     3.关于关联规则的改进。本平台针对关联规则进行了修改，适合使得其由用于单维、事务性数据库分析改为用于对关系型、多维数据库进行运算。

             表1               本平台适应数据库类型举例

      以上表格为可直接运行表格，最左侧应该为每条数据的名称，如第一行为序号1、第二行为序号2，为了提高运算效率进行了舍弃。

      4.结果判读方法。

表2                                         数据分析结果表

      指标A与B，代表输出的是AB类指标的关联结果，AB次数代表AB指标出现的次数，AB概率，代表AB同时出现，占总条数的比率。B概率代表A出现时，B同时出现的概率，A概率代表B出现时，A同时出现的概率。

三、关联规则的意义

数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的取值之间存在某种规律性，就称为关联。关联可分为简单关联、时序关联、因果关联。关联分析的目的是找出数据库中隐藏的关联网。有时并不知道数据库中数据的关联函数，即使知道也是不确定的，因此关联分析生成的规则带有可信度。

关联规则只能指出数据库中指标之间可能存在的联系，只能为我们指出研究探索的方向，它给不出出现此现象的原因，所以关联规则的结果还需要我们去进行研究和探索，才能更充分的挖掘出数据的规律。

四、关于数据库的限制

为了提高运算效率，本平台对数据库的指标进行了限制，具体如下：

1、每类指标指标类型不能超过10个，如表1 中，成果类别分应用技术、软科学和基础理论，它有三个类型小于10个可以运行。

2、数据库中不能有空白项，如有请自行进行处理。

最后，如有其它需求与疑问，请与我平台联系。

联系电话：0311-83827244   张先生

E-mail:sjzkjcg@163.com