关于数据挖掘关联规则的Oracle实现

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                 
阅读更多