关于数据挖掘关联规则的Oracle 实 现

呵呵，前几天拿到了数据挖掘基础教程一书，感觉部分算法是基于统计学的原理的，而统计学是可以通过 Oracle 来实现。

其次是为了观看德国 vs 西班牙的世界杯比赛，来了一点小小的兴致，动手写点小脚本。不过本文只是为了实现而实现的，没有做 任何优化，有兴趣的话，大家可以玩一玩。

 

关于数据挖掘关联规则的材料，可以参见：

http://baike.baidu.com/view/1076817.htm?fr=ala0_1

关联规则是形如 X → Y 的蕴涵式，

其中且， 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) 。

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； =X^Y/D

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。   =(X^Y)/X

关联规则是有趣的，如果满足最小支持度阈值和最小置信度阈值。

若给定最小支持度α = n ，最小置信度β = m ，则分别通过以上的 X^Y/D 和 (X^Y)/X ，可获知是否存在关联

 

使用的原始数据

  

 

         反范式后的数据

  

 

         待统计项

  

 

-- 创建各个购买单元项视图

create view distinct_trans as select distinct tranobject from purchase;

-- 创建各个事务内部的购买单元项

create view all_trans as

-- 可以用 wm_concat 函数

SELECT tranid,MAX(tranobjects) tranobjects

  FROM (select tranid,WMSYS.WM_CONCAT(tranobject) OVER(PARTITION BY tranid ORDER BY tranobject) tranobjects

         from purchase

       )

group by tranid;

-- 也可以用 sys_connect_by_path 函数

create view all_trans as

select tranid,substr(tranobjects,2) tranobjects from  -- 格式化前面的逗号和空格

(

  select distinct tranid,FIRST_VALUE(tranobjects) OVER(PARTITION BY tranid ORDER BY levels desc ) AS tranobjects  -- 保留最大的那个

   from

   (

     select tranid,sys_connect_by_path(tranobject,',') tranobjects,level levels -- 各购买事务的内部排列组合

       from purchase

    connect by tranid=prior tranid and tranobject<prior tranobject

   )

);

 

-- 对所有购买单元项进行排列组合，即数据挖掘的 X^Y 项

create view all_zuhe as

select substr(sys_connect_by_path(tranobject,','),2) zuhe

  from (select distinct tranobject from purchase)

connect by nocycle tranobject<prior tranobject;

 

select * from all_zuhe

-- 筛选出符合要求的排列组合，即数据挖掘的 X 项和 Y 项

create view full_zuhe as

select a.zuhe X,b.zuhe Y from all_zuhe a,all_zuhe b

where instr(a.zuhe,b.zuhe)=0 and instr(b.zuhe,a.zuhe)=0

  and not exists(select 1 from distinct_trans c

                 where instr(a.zuhe,c.tranobject)>0 and instr(b.zuhe,c.tranobject)>0)

 

select * from full_zuhe  

 

create or replace view tongji as

select xy,xy_total,x,x_total,y,y_total,transtotal from

(

  select y||','||x xy,

         (select count(*) from all_trans a where instr(a.tranobjects,c.x||','||c.y)>0 or instr(a.tranobjects,c.y||','||c.x)>0) xy_total, -- 包含 xy 的事务数

         y,

          (select count(*) from all_trans b where instr(b.tranobjects,c.y)>0) y_total, -- 包含 y 的事务数

         x,

         (select count(*) from all_trans b where instr(b.tranobjects,c.x)>0) x_total, -- 包含 x 的事务数

         d.transtotal  -- 总事务数

   from full_zuhe c,(select count(distinct tranid) transtotal from purchase) d

  order by xy_total desc,x_total desc

)

 

select * from tongji where xy_total>=3 and y_total>=3