MỤC LỤC Trang LỜI NÓI ĐẦU 2 Chương I>Tổng quan về khai phá dữ liệu 3 1/ Mở đầu: 3 2/ Khai phá dữ liệu và quá trình phát hiện tri thức 3 3/ Một số phương pháp khai phá dữ liệu: 5 Chương II>Luật kết hợp 8 1/Một số khái niệm cơ bản: 8 2/Thuật toán tìm luật kết hợp Apriori: 9 3/Ưu điểm và khuyết điểm của thuật toán Apriori: 11 4/Một số thuật toán cải tiến thuật toán Apriori 12 4.1Thuật toán AprioriTid 12 4.2 Thuật toán FP-growth 14 Chương III>Cài đặt thuật toán FP-growth tìm tập phổ biến và luật kết hợp 16 1/Phát biểu bài toán 16 2/Thiết kế cơ sở dữ liệu 17 3/Giới thiệu một số đoạn mã chính viết bằng Java của chương trình 19 4/Hướng dẫn sử dụng chương trình 35 4.1 Một số yêu cầu cài đặt cho việc chạy chương trình 35 4.2 Hướng dẫn chạy chương trình 36 Chương IV>Kết luận & Hướng phát triển đề tài 40 1/Kết luận : 40 2/Hướng phát triển đề tài: 40 TƯ LIỆU THAM KHẢO 41 TÀI LIỆU THAM KHẢO 42 LỜI NÓI ĐẦU Sự phát triển của ngành công nghệ thông tin đã đem lại nhiều ứng dụng cho đời sống xã hội, quản lý kinh tế, khoa học kỹ thuật… trong đó các ứng dụng lưu trữ và quản lý cơ sở dữ liệu ngày càng mạnh giúp cho các cá nhân hay tổ chức có thể lưu trữ một lượng rất lớn dữ liệu. Có thể thấy cơ sở dữ liệu(CSDL) của các hệ thống siêu thị chứa đến cả triệu các giao tác bán hàng, hay CSDL của các công ty chứng khoán cũng chứa đến vài chục triệu các giao dịch mua bán các loại cổ phiếu… Đối với khối lượng dữ liệu lớn như thế, theo như đánh đáng của IMB, các phương pháp khai thác thông tin truyền thống chỉ thu được khoảng 80% thông tin từ CSDL, phần còn lại bao gồm các thông tin mang tính khái quát, thông tin có tính quy luật vẫn đang còn tiềm ẩn trong dữ liệu. Lượng thông tin này tuy nhỏ nhưng là những thông tin cốt lõi và cần thiết cho tiến trình ra quyết định. Để đáp ứng được với kỳ vọng này, các nhà nghiên cứu đã đưa ra kỹ thuật “phát hiện tri thức và khai phá dữ liệu (KDD - Knowledge Discovery and Data Mining)” hỗ trợ tiến trình khám phá, phân tích tổng hợp thông tin. Trong phạm vi bài tiểu luận này, em sẽ trình bày một cách tổng quát về cơ sở lý thuyết của phương pháp khai phá dữ liệu tìm luật kết hợp, một số thuật toán ứng dụng tìm luật kết hợp như : thuật toán Apriori, AprioriTid, FP-growth và đồng thời trên cơ sở lý thuyết đó em đã xây dựng một mô hình chung cho bài toán quản lý bán hàng tại các siêu thị, ứng dụng thuật toán FP-growth để tìm ra các tập phổ biến, các luật kết hợp của các mặt hàng trong cơ sở dữ liêu, giúp cho nhà quản lý có được các quyết định kinh doanh tốt hơn. Nhân đây em cũng xin gửi lời cảm ơn chân thành đến thầy PGS.TS Đỗ Phúc, người đã tận tình giảng dạy và truyền đạt những kiến thức bổ ích trong lĩnh vực công nghệ thông tin nói chung và bộ môn khai phá dữ liệu và kho dữ liệu nói riêng để giúp em hoàn thành tốt bài luận này. Mặc dù đã rất nỗ lực, cố gắng nhưng do kiến thức và thời gian có phần hạn chế, chắc chắn sẽ có những thiếu sót và bổ sung thêm. Rất mong sự cảm thông và góp ý của thầy. HVTH: Nguyễn Văn Sang(CH1101128) GVHD: PGS.TS Đỗ Phúc Trang 2 Thân mến, Nguyễn Văn Sang Chương I> Tổng quan về khai phá dữ liệu 1/ Mở đầu: Vào cuối những năm 1980 khái niệm khai phá dữ liệu (Data Mining) ra đời. Nó bao hàm một loạt các kỹ thuật nhằm phát hiện ra các thông tin có giá trị tiềm ẩn trong các kho dữ liệu. Về bản chất, khai phá dữ liệu liên quan đến việc phân tích các dữ liệu và sử dụng các kỹ thuật để tìm ra các tri thức hữu dụng. Năm 1989, Fayyad, Piatestsky-Shapiro và Smyth đã dùng khái niệm “Phát hiện tri thức” trong cơ sở dữ liệu (Knowledge Discovery in Database – KDD) để chỉ toàn bộ quá trình phát hiện các tri thức hữu dụng từ các kho dữ liệu lớn. Do đó khai phá dữ liệu chỉ là một phần trong khái niệm “Phát hiện tri thức” ấy. Tuy nhiên nó cũng chính là một bước đặc biệt quan trọng trong toàn bộ quá trình, sử dụng các giải thuật đặc trưng để chiết xuất ra các giá trị tiềm ẩn từ kho dữ liệu. Hiện nay khai phá dữ liệu được ứng dụng vào rất nhiều lĩnh vực cụ thể khác nhau như: y tế, dầu khí, khí tượng, kinh doanh, y học, web mining, tin-sinh, tài chính và thị trường chứng khoán, bảo hiểm 2/ Khai phá dữ liệu và quá trình phát hiện tri thức 2.1 Định nghĩa: Khai phá dữ liệu là một tập hợp các kỹ thuật được sử dụng để tự động khai thác và tìm ra các mối quan hệ lẫn nhau của dữ liệu trong một tập hợp dữ liệu khổng lồ và phức tạp, đồng thời cũng tìm ra các mẫu tiềm ẩn trong tập dữ liệu đó. Khai phá dữ liệu là một bước chủ chốt trong các bước của quá trình phát hiện tri thức (Knowledge Discovery in Database – KDD). 2.2 Quá trình phát hiện tri thức: Tri thức được rút ra có thể được dùng để : • Giải thích dữ liệu nhằm cung cấp sự hiểu biết sâu sắc, thấu đáo những thông tin hữu ích giúp cho các doanh nghiệp hiểu rõ hơn những khách hàng của họ • Dự báo khuynh hướng mua hàng của khách hàng, định hướng kinh doanh. … HVTH: Nguyễn Văn Sang(CH1101128) GVHD: PGS.TS Đỗ Phúc Trang 3 Quá trình phát hiện tri thức là quá trình khám phá các tri thức mới và các tri thức hữa ích ở dạng tiềm năng trong nguồn dữ liệu đã có. Các bước phát hiện tri thức như sau: a) Làm sạch dữ liệu (data cleaning): loại bỏ nhiễu hoặc các dữ liệu không thích hợp. b) Làm giàu dữ liệu (data enrichment): tích hợp dữ liệu từ các nguồn khác nhau như: CSDL, Kho dữ liệu, file text c) Chọn lọc dữ liệu (data selection): chọn những dữ liệu liên quan trực tiếp đến nhiệm vụ sẽ được thu thập từ các nguồn dữ liệu ban đầu. d) Chuyển đổi dữ liệu (data transformation): dữ liệu sẽ được chuyển đổi về dạng phù hợp cho việc khai phá bằng cách thực hiện các thao tác nhóm hoặc tập hợp. e) Khai phá dữ liệu (data mining): là giai đoạn quan trọng nhất, trong đó các phương pháp thông minh sẽ được áp dụng để trích xuất ra các mẫu dữ liệu. f) Đánh giá mẫu (pattern evaluation): đánh giá sự hữu ích của các mẫu biểu diễn tri thức dựa vào một số phép đo. g) Biểu diễn dữ liệu (knowlegde presentation): sử dụng các kỹ thuật trình diễn và trực quan hoá dữ liệu để biểu diễn tri thức khai phá được cho người sử dụng. HVTH: Nguyễn Văn Sang(CH1101128) GVHD: PGS.TS Đỗ Phúc Trang 4 Hình 1 – Quá trình phát hiện tri thức từ cơ sở dữ liệu 3/ Một số phương pháp khai phá dữ liệu: a) Phương pháp qui nạp: Một cơ sở dữ liệu là một kho thông tin nhưng các thông tin quan trọng hơn cũng có thể được suy diễn từ kho thông tin đó. Có hai kỹ thuật chính để thực hiện việc này là suy diễn và quy nạp.  Phương pháp suy diễn: Nhằm rút ra thông tin là kết quả logic của các thông tin trong cơ sở dữ liệu. Phương pháp suy diễn dựa trên các sự kiện chính xác để suy ra các tri thức mới từ các thông tin cũ. Mẫu chiết xuất được bằng cách sử dụng phương pháp này thường là các luật suy diễn.  Phương pháp quy nạp: Phương pháp quy nạp suy ra các thông tin được sinh ra từ cơ sở dữ liệu. Có nghĩa là nó tự tìm kiếm, tạo mẫu và sinh ra tri thức chứ không phải bắt đầu với các tri thức đã biết trước. Các thông tin mà phương pháp này đem lại là các thông tin hay các tri thức cấp cao diễn tả về các đối tượng trong cơ sở dữ liệu. Phương pháp này liên quan đến việc tìm kiếm các mẫu trong CSDL. Trong khai phá dữ liệu, quy nạp được sử dụng trong cây quyết định và tạo luật. b) Phương pháp cây quyết định và luật:  Cây quyết định: Cây quyết định là một mô tả tri thức dạng đơn giản nhằm phân các đối tượng dữ liệu thành một số lớp nhất định. Các nút của cây được gán nhãn là tên các thuộc tính, các cạnh được gán các giá trị có thể của các thuộc tính, các lá mô tả các lớp khác nhau. Các đối tượng được phân lớp theo các đường đi trên cây, qua các cạnh tương ứng với các giá trị, thuộc tính của đối tượng tới lá. HVTH: Nguyễn Văn Sang(CH1101128) GVHD: PGS.TS Đỗ Phúc Trang 5 Làm giàu dữ liệu Làm sạch dữ liệu Chọn lọc dữ liệu Chuyển đổi dữ liệu Khai phá dữ liệu Đánh giá mẫu Biểu diễn dữ liệu  Tạo luật: Các luật được tạo ra nhằm suy diễn một số mẫu dữ liệu có ý nghĩa về mặt thống kê. Các luật có dạng Nếu P thì Q, với P là mệnh đề đúng với một phần trong CSDL, Q là mệnh đề dự đoán. Cây quyết định và luật có ưu điểm là hình thức mô tả đơn giản, mô hình suy diễn khá dễ hiểu đối với người sử dụng. Tuy nhiên, giới hạn của nó là mô tả cây và luật chỉ có thể biểu diễn được một số dạng chức năng và vì vậy giới hạn về cả độ chính xác của mô hình. c) Phương pháp mạng Neural: Mạng Neuron là tiếp cận tính toán mới liên quan tới việc phát triển cấu trúc toán học và khả năng học. Các phương pháp là kết quả của việc nghiên cứu mô hình học của hệ thống thần kinh con người. Mạng Neuron có thể đưa ra ý nghĩa từ các dữ liệu phức tạp hoặc không chính xác và có thể được sử dụng để chiết xuất các mẫu và phát hiện ra các xu hướng quá phức tạp mà con người cũng như các kỹ thuật máy tính khác không thể phát hiện được. Khi đề cập đến khai thác dữ liệu, người ta thường đề cập nhiều đến mạng Neuron. Tuy mạng Neuron có một số hạn chế gây khó khăn trong việc áp dụng và phát triển nhưng nó cũng có những ưu điểm đáng kể. d) Phương pháp dùng giải thuật di truyền Giải thuật di truyền, nói theo nghĩa rộng là mô phỏng lại hệ thống tiến hóa trong tự nhiên, chính xác hơn đó là giải thuật chỉ ra tập các cá thể được hình thành, được ước lựợng và biến đổi như thế nào? Ví dụ như xác định xem làm thế nào để lựa chọn các cá thể tạo giống và lựa chọn các cá thể nào sẽ bị loại bỏ. Giải thuật cũng mô phỏng lại yếu tố gen trong nhiễm sắc thể sinh học trên máy tính để có thể giải quyết nhiều bài toán thực tế khác nhau. Giải thuật di truyền là một giải thuật tối ưu hóa. Nó được sử dụng rất rộng rãi trong việc tối ưu hóa các kỹ thuật khai phá dữ liệu trong đó có kỹ thuật mạng Neuron. Sự liên hệ của nó với các quá trình khai phá dữ liệu. Ví dụ như trong kỹ thuật cây quyết định, tạo luật. Như đã đề cập ở phần trước, các luật mô hình hóa dữ liệu chứa các tham số được xác định bởi các giải thuật phát hiện tri thức. Giai đoạn tối ưu hóa là cần thiết để xác định xem các giá trị tham số nào tạo ra các luật tốt nhất. Và vì vậy mà giải thuật di truyền đã được sử dụng trong các công cụ khai phá dữ liệu. e) Phương pháp tìm luật kết hợp: HVTH: Nguyễn Văn Sang(CH1101128) GVHD: PGS.TS Đỗ Phúc Trang 6 Phương pháp này nhằm phát hiện ra các luật kết hợp giữa các thành phần dữ liệu trong cơ sở dữ liệu. Mẫu đầu ra của giải thuật khai phá dữ liệu là tập luật kết hợp tìm được. Ta có thể lấy một ví dụ đơn giản về luật kết hợp như sau: sự kết hợp giữa hai thành phần A và B có nghĩa là sự xuất hiện của A trong bản ghi kéo theo sự xuất hiện của B trong cùng bản ghi đó: A = > B. Việc phát triển một thuật toán phải phát hiện luật này trong cơ sở dữ liệu lớn là không khó. Tuy nhiên, vấn đề là ở chỗ có thể có rất nhiều luật kiểu này hoặc là ta chỉ biết một tập nhỏ dữ liệu trong cơ sở dữ liệu lớn thoả mãn tiền đề của luật. Ví dụ chỉ có số ít người mua sách tiếng anh mà mua thêm đĩa CD. Số lượng các luật kết hợp trong một số cơ sở dữ liệu lớn gần như vô hạn. Do vậy thuật toán sẽ không thể phát hiện hết các luật và không phân biệt được luật nào là thông tin thực sự có giá trị và thú vị. Nhiệm vụ của việc phát hiện các luật kết hợp là phải tìm tất cả các luật dạng X => B sao cho tần số của luật không nhỏ hơn ngưỡng Minsup cho trước và độ tin cậy của luật không nhỏ hơn ngưỡng Minconf cho trước. Từ một cơ sở dữ liệu ta có thể tìm được hàng nghìn và thậm chí hàng trăm nghìn các luật kết hợp. HVTH: Nguyễn Văn Sang(CH1101128) GVHD: PGS.TS Đỗ Phúc Trang 7 Chương II> Luật kết hợp 1/ Một số khái niệm cơ bản: Kí hiệu I = {i1, i2, …, im} là tập các thuộc tính được gọi là các mục dữ liệu. D là cơ sở dữ liệu của tập các giao tác, mỗi giao tác T là một tập mục con của tập mục I, T i ⊆ I. Mỗi giao tác T i có một định danh duy nhất gọi là TID (Transaction Identification). X={i1, i2,…,ik} ⊆ I được gọi là một tập mục hay một tập k-mục nếu nó chứa k mục. Một giao tác T được gọi là chứa tập mục X chỉ khi X ⊆ T. Mỗi giao tác là một bộ <TID, I>, I là tập mục. Luật kết hợp là một mối liên hệ điều kiện giữa hai tập các hạng mục dữ liệu X và Y theo dạng sau: Nếu X thì Y, và ký hiệu là X ⇒ Y. Ta có luật kết hợp X ⇒ Y, nếu X ⊂ I, Y ⊂ I và X ∩ Y = ∅. Chúng phụ thuộc vào 2 đại lượng cơ bản là độ hỗ trợ (S) và độ tin cậy (C). a) Độ hỗ trợ (Support): Độ hỗ trợ của một luật X ⇒ Y là tỉ số phần trăm của số giao tác trong D có chứa X ∪ Y. Kí hiệu Supp(X=>Y). Supp(X=>Y) thể hiện phạm vi ảnh hưởng của luật trên toàn bộ cơ sở dữ liệu. Ngưỡng nhỏ nhất của độ hỗ trợ gọi là minsupp Supp(X=>Y)= )( )( DCard YXCard ∪ (%) 0 ≤ Supp(X ⇒ Y) ≤ 1 Với: Card(X ∪ Y): tập các giao tác trên CSDL có chứa cả vế trái lẫn vế phải. Card(D): tập tất cả các dòng trên CSDL. HVTH: Nguyễn Văn Sang(CH1101128) GVHD: PGS.TS Đỗ Phúc Trang 8 b)Độ tin cậy (Confidence): Độ tin cậy của một luật X ⇒ Y là tỉ số phần trăm của số giao tác trong D chứa X ∪ Y với số giao tác trong D có chứa tập mục X. Kí hiệu Conf(X ⇒ Y). Conf(X ⇒ Y) thể hiện tính chính xác, tính đúng đắn hay khả năng tin cậy của luật trong phạm vi ảnh hưởng của luật (được xác định bởi Supp(X ⇒ Y)). Ngưỡng nhỏ nhất của độ tin cậy gọi là minconf Conf(X=>Y) = (%) )( )( XCard YXCard ∪ 0 ≤ Conf(X ⇒ Y) ≤ 1. Với: Card(X ∪ Y): tập các giao tác trên CSDL có chứa cả vế trái lẫn vế phải. Card(X): tổng số dòng chứa vế trái của luật trên CSDL. c)Large ItemSet: Tập các hạng mục dữ liệu (ItemSet) có độ hỗ trợ (Supp) lớn hơn hay bằng giá trị của ngưỡng nhỏ nhất (minsupp). d)Small ItemSet : Tập các hạng mục dữ liệu (ItemSet) có độ hỗ trợ (Supp) nhỏ hơn giá trị của ngưỡng nhỏ nhất (minsupp).  Tóm lại: Với L là một Large ItemSet, A là một tập con khác rỗng của L, nếu tỉ lệ phần trăm giữa Support của L so với Support của A lớn hơn hay bằng độ tin cậy nhỏ nhất (minconf) thì ta có luật kết hợp A ⇒ (L\A). 2/ Thuật toán tìm luật kết hợp Apriori: a) Mô tả thuật toán: Bước 1 : k:=1, tạo C1 = tập tất cả các itemsets có 1 phần tử từ tất cả các giao tác. Đọc cơ sở dữ liệu để tính độ hỗ trợ thỏa mãn (support >= minsup) trên C1 từ đó rút ra được tập L1. Bước 2 : For (k = 2 ; Lk-1 khác rỗng ; k++) { • Tạo ra tập Ck, là tập các itemsets ứng viên có (k-1) phần tử, tạo ra từ tập Lk-1. • Duyệt qua tất cả các giao tác để tính số lần xuất hiện của các itemsets trong Ck HVTH: Nguyễn Văn Sang(CH1101128) GVHD: PGS.TS Đỗ Phúc Trang 9 • Tìm Lk, Lk là một tập con của Ck có chứa k phần tử với số đếm >= minsup. } Bước 3 : Tạo tập LargeItemSet = L1 v L2 v v Lk Bước 4 : Tạo các luật hợp từ tập LargeItemSet : for each itemset l của LargeItemSet for each s (tập con khác rỗng) của l if confidence=count(l)/count(s) >= minconf then xuất kết quả : s -> (l-s) Minh họa thuật toán Apriori với minsup = 2, minconf = 50%  Giải thích ký hiệu : +TID : chỉ số định danh các giao tác của một itemset. + items : tập các mặt hàng + itemset : tập các mặt hàng ứng viên + sup : độ hỗ trợ tối thiểu + Ck tập các ứng viên với kích cỡ k được tạo ra bằng cách kết hợp Lk-1 với chính nó. +Lk : tập phổ biến với kích cỡ k. HVTH: Nguyễn Văn Sang(CH1101128) GVHD: PGS.TS Đỗ Phúc Trang 10 [...]... thuật toán cải tiến thuật toán Apriori Có thể sử dụng một số thuật toán để cái tiến thuật toán Apriori như thuật toán AprioriTid, AprioriHybrid, FP-growth, , Sau đây em xin trình bày hai thuật toán đó là AprioriTid và thuật toán FP-growth 4.1 Thuật toán AprioriTid Khác với thuật toán Apriori, thuật toán AprioriTid chỉ quét cơ sở dữ liệu một lần, do đó tập ứng viên Ck kích cỡ k có thể nhỏ hơn cơ sở dữ liệu. .. phải là tập phổ biến được sinh ra Tính chất đó là: Tập các tập con khác rỗng của tập mục phổ biến đều là tập mục phổ biến 3/ Ưu điểm và khuyết điểm của thuật toán Apriori: Thuật toán kinh điển Apriori tìm tập mục phổ biến thực hiện tốt bởi rút gọn kích thước các tập ứng cử nhờ kỹ thuật tỉa Tuy nhiên, trong tình huống mà số các giao tác nhiều, hoặc với độ hỗ trợ cực tiểu thấp (min supp), các thuật toán. .. dịch và cũng đồng thời xây dựng một chương trình phần mềm tìm ra các tập mặt hàng phổ biến, các luật kết hợp có được từ cơ sở dữ liệu nhằm hỗ trợ đắc lực cho nhà đầu tư có thêm một công cụ để ra quyết định trong kinh doanh một cách hiệu quả Trên cơ cở tìm hiểu một số thuật toán tìm tập phổ biến và luật kết hợp, với sự hiểu biết của mình, bài viết này quyết định chọn và hiện thực thuật toán FPgrowth để tìm. .. tập các tập 2-Itemset (L2) phổ biến L2 lại được sử dụng để sinh ra L3 và cứ tiếp tục như vậy cho đến khi tìm được tập mục k-Itemset mà Lk = ∅ (tức là không có tập mục phổ biến nào được tìm thấy) thì dừng lại Tập các tập mục phổ biến của CSDL là: ∪ki-1= L1 Để tăng hiệu quả của thuật toán trong quá trình sinh các tập mục ứng cử, ta sử dụng tính chất của tập mục phổ biến để làm giảm số lượng tập các tập. .. việc khai thác mẫu phổ biến Thêm vào đó, mỗi FP-Tree có một header chứa tất cả các phần tử phổ biến và các con trỏ tới phần đầu của các liên kết phần tử ngữ cảnh của chúng FP-growth phân vùng cây FP-Tree dựa trên các tiền tố FP-growth duyệt các đường dẫn của FP-Tree một cách đệ quy để tạo các tập ứng viên phổ biến Các mẫu phổ biến được kết nối để đảm bảo tất cả các tập phổ biến được tạo ra một cách hợp. .. dụng cho thuật toán Ở bước một của thuật toán ta đi tìm tập L1, tập mỗi mã hàng phải có độ hỗ trợ lớn hơn hoặc bằng độ hỗ trợ tối thiểu (Minsup) của người dùng nhập vào các tập mục còn lại của C1 là các tập 1-Itemset (L1) phổ biến Sau đó kết nối L1 với L1 để được tập các tập 2-Itemset C2 Duyệt CSDL xác định độ hỗ trợ của các tập mục trong C2 Duyệt C2 Loại bỏ các tập mục có độ hỗ trợ < Minsup, các tập mục... bước chạy thuật toán Apriori Qua minh họa khi chạy thuật toán Apriori như trên ta thấy, khi không còn tập mục phổ biến nào được tìm thấy nữa thì thuật toán dừng lại và tập L3 là tập kết quả nhận được b) Ứng dụng thực tế thuật toán Apiori vào hệ thống siêu thị: Đầu tiên thực hiện duyệt tất cả các chi tiết hóa đơn, ta có được các giao dịch, 1 giao dịch là một quan hệ một nhiều giữa mã hóa đơn và mã mặt... tập phổ biến được tạo ra một cách hợp lý Vì thế FP-growth tránh được các phép toán tốn kém cho việc tạo và kiểm tra các tập ứng viên Có thể tóm tắt thuật toán FP-growth làm như sau: - Khai thác tập phổ biến không sử dụng hàm tạo ứng viên - Nén CSDL thành cấu trúc cây FP (Frequent Patern) - Duyệt đệ qui cây FP để tạo tập phổ biến Trình bày thuật toán FP-growth: • Xây dựng cây FP-Tree từ CSDL giao tác... Sang(CH1101128) GVHD: PGS.TS Đỗ Phúc Trang 15 Chương III> Cài đặt thuật toán FP-growth tìm tập phổ biến và luật kết hợp 1/ Phát biểu bài toán Ngày nay trong các hệ thống siêu thị đều thấy kinh doanh ngày càng nhiều mặt hàng, người ta có phần mềm ghi lại thông tin hóa đơn của khác hàng, thậm chí lưu cả thông tin khách hàng khi hệ thống hỗ trợ khách hàng đặt hàng mua qua mạng, …, những việc này giúp cho doanh... thuật toán Apriori và AprioriTid Để đánh giá về tốc độ của thuật toán Apriori và AprioriTid, chúng em lấy kết quả từ một dự án Quest của trung tâm nghiên cứu IBM Almaden Kết quả được thực hiện trên tập dữ liệu đầu vào : Kích thước trung bình của các giao tác là 10 Kích thước trung bình của tập phổ biến tối đại là 4 Số giao tác là 100.000 Độ hỗ trợ tối thiểu là 0.75% Hình 3 – Sơ đồ so sánh Apriori và . cở tìm hiểu một số thuật toán tìm tập phổ biến và luật kết hợp, với sự hiểu biết của mình, bài viết này quyết định chọn và hiện thực thuật toán FP- growth để tìm tập phổ biến và luật kết hợp. về cơ sở lý thuyết của phương pháp khai phá dữ liệu tìm luật kết hợp, một số thuật toán ứng dụng tìm luật kết hợp như : thuật toán Apriori, AprioriTid, FP-growth và đồng thời trên cơ sở lý thuyết. Phúc Trang 6 Phương pháp này nhằm phát hiện ra các luật kết hợp giữa các thành phần dữ liệu trong cơ sở dữ liệu. Mẫu đầu ra của giải thuật khai phá dữ liệu là tập luật kết hợp tìm được. Ta có thể