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
本文转自baoqiangwang51CTO博客，原文链接：
http://blog.51cto.com/baoqiangwang/346022
，如需转载请自行联系原作者
