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
