MỤC LỤC TỔNG QUAN VỀ KHÁM PHÁ TRI THỨC VÀ KHAI MỎ DỮ LIỆU 3 1. Phát hiện tri thức và khai mỏ dữ liệu 3 2. Quá trình phát hiện tri thức từ cơ sở dữ liệu 4 3. Khai mỏ dữ liệu 7 LUẬT KẾT HỢP TRONG KHAI MỎ DỮ LIỆU 14 1. Khai phá luật kết hợp 14 2. Lý thuyết về luật kết hợp 14 2.1. Khái niệm 14 2.2 Một số tính chất: 15 TÌM HIỂU MỘT SỐ THUẬT TOÁN PHÁT HIỆN LUẬT KẾT HỢP 17 1. Thuật toán AIS 17 2. Thuật toán SETM 17 3. Thuật toán Apriori 18 3.1. Ý tưởng thuật toán Apriori 18 3.2. Thuật toán Apriori (Pseudo code) 19 4. Thuật toán AprioriTID: 22 4.1. Ý tưởng 22 4.2. Thuật toán AprioriTID (Pseudo code) 22 5. Thuật toán Apriori-Hybrid 24 6. Thuật toán FP-growth 24 KHAI THÁC LUẬT KẾT HỢP TRONG BÀI TOÁN KHÁM VÀ ĐIỀU TRỊ BỆNH NGOẠI TRÚ TẠI PHÒNG KHÁM Y HỌC CỔ TRUYỀN BỆNH VIỆN BÀ RỊA TỈNH BÀ RỊA – VŨNG TÀU 29 1. Cài đặt chương trình: 29 2. Về kỹ thuật: 29 3. Giao diện: 29 4. Cơ sở dữ liệu: 30 5. Giới thiệu source code của chương trình: 32 6. Hướng dẫn sử dụng: 33 KẾT LUẬN 35 TÀI LIỆU THAM KHẢO 36 1 Khóa luận môn học: Công nghệ tri thức và Ứng dụng CÁC TỪ VIẾT TẮC Ký hiệu Diễn giải CSDL Cơ sở dữ liệu DB Cơ sở dữ liệu giao tác FP-Growth Frequent parttern tree FP-tree Frequent pattern tree IT-tree Itemset-Tidset tree I Tập các mục dữ liệu ICD Phân loại bệnh tật quốc tế (ICD-10) YHCT Y học cổ truyền KMDL Khai mỏ dữ liệu Minsup Độ hỗ trợ tối thiểu Minconf Độ tin cậy tối thiểu TID Định danh của giao tác TID_List Danh sách định danh của giao tác T Giao tác k-itemset Một itemset có k items L k Tập phổ biến k-itemsets C k Tập ứng viên k-itemsets kC Tập ứng viên k-itemsets mà tập giao tác có chứa nó. We are data rich, but information poor. “Necessity is the mother of invention”. - Plato 2 Khóa luận môn học: Công nghệ tri thức và Ứng dụng CHƯƠNG 1 TỔNG QUAN VỀ KHÁM PHÁ TRI THỨC VÀ KHAI MỎ DỮ LIỆU 1. Phát hiện tri thức và khai mỏ dữ liệu Trong thời đại bùng nổ công nghệ thông tin, các công nghệ lưu trữ dữ liệu ngày càng phát triển tạo điều kiện cho các đơn vị thu thập dữ liệu tốt hơn. Đặc biệt trong lĩnh vực kinh doanh, các doanh nghiệp đã nhận thức được tầm quan trọng của việc nắm bắt và xử lý thông tin, nhằm giúp các chủ doanh nghiệp trong việc vạch ra các chiến lược kinh doanh kịp thời mang lại những lợi nhuận to lớn cho doanh nghiệp của mình. Tất cả lí do đó khiến cho các cơ quan, đơn vị và các doanh nghiệp đã tạo ra một lượng dữ liệu khổng lồ cỡ Gigabyte thậm chí là Terabyte cho riêng mình. Khi lưu trữ các dữ liệu khổng lồ như vậy thì chúng ta thấy rằng chắc chắn chúng phải chứa những giá trị nhất định nào đó; Tuy nhiên, theo thống kê thì chỉ có một lượng nhỏ của những dữ liệu này (khoảng từ 5% đến 10%) là luôn được phân tích, số còn lại họ không biết sẽ phải làm gì hoặc có thể làm gì với chúng nhưng họ vẫn tiếp tục thu thập rất tốn kém với ý nghĩ lo sợ rằng sẽ có cái gì đó quan trọng đã bị bỏ qua sau này có lúc cần đến nó. Mặt khác, trong môi trường cạnh tranh, người ta ngày càng cần có nhiều thông tin với tốc độ nhanh để trợ giúp việc ra quyết định và ngày càng có nhiều câu hỏi mang tính chất định tính cần phải trả lời dựa trên một khối lượng dữ liệu khổng lồ đã có. Với những lý do như vậy, các phương pháp quản trị và khai thác CSDL truyền thống ngày càng không đáp ứng được thực tế đã làm phát triển một khuynh hướng kỹ thuật mới đó là Kỹ thuật phát hiện tri thức và khai mỏ dữ liệu (KDD - Knowledge Discovery and Data Mining). Thông thường chúng ta coi dữ liệu như một dãy các bit, hoặc các số và các ký hiệu, hoặc các “đối tượng” với một ý nghĩa nào đó khi được gửi cho một chương trình dưới một dạng nhất định. Chúng ta sử dụng các bit để đo lường các thông tin và xem nó như là các dữ liệu đã được lọc bỏ các dư thừa, được rút gọn tới mức tối thiểu để đặc trưng một cách cơ bản cho dữ liệu. Chúng ta có thể xem tri thức như là các thông tin tích hợp, bao gồm các sự kiện và các mối quan hệ giữa chúng. Các mối quan hệ này có thể được hiểu ra, có thể được phát hiện, hoặc có thể được học. Phát hiện tri thức trong các cơ sở dữ liệu là một qui trình nhận biết các mẫu hoặc các mô hình trong dữ liệu với các tính năng: hợp thức, mới, khả ích, và có thể hiểu được. Còn khai mỏ dữ liệu là một bước trong qui trình phát hiện tri thức gồm có các thuật toán khai thác dữ liệu chuyên dùng dưới một số qui định về hiệu quả tính toán chấp nhận được để tìm ra các mẫu hoặc các mô hình trong dữ liệu. Nói một cách khác, mục đích của phát hiện tri thức và khai mỏ dữ liệu chính là tìm ra các mẫu và/hoặc các mô hình đang tồn tại trong các cơ sở dữ liệu nhưng vẫn còn bị tìm ẩn bởi hàng “núi” dữ liệu. 3 Khóa luận môn học: Công nghệ tri thức và Ứng dụng Nhiều người coi khai mỏ dữ liệu và khám phá tri thức trong cơ sở dữ liệu là như nhau. Tuy nhiên trên thực tế, khai phá dữ liệu chỉ là một bước thiết yếu trong quá trình phát hiện tri thức trong cơ sở dữ liệu. 2. Quá trình phát hiện tri thức từ cơ sở dữ liệu Quá trình phát hiện tri thức có thể chia thành các bước như sau: - Làm sạch dữ liệu (Data cleaning): Loại bỏ dữ liệu nhiễu hoặc dữ liệu không thích hợp. - Tích hợp dữ liệu (Data integration): Tích hợp dữ liệu từ các nguồn khác nhau. - Chọn dữ liệu (Data Selection): Chọn những dữ liệu liên quan trực tiếp đến nhiệm vụ. - Chuyển đổi dữ liệu (Data Transformation): Chuyển dữ liệu về những dạng phù hợp cho việc khai phá. - Khai mỏ dữ liệu (Data mining): Các kỹ thuật được áp dụng để trích xuất thông tin có ích hoặc các mẫu điển hình trong dữ liệu. - Đánh giá mẫu (Pattern evaluation): Đánh giá mẫu hoặc tri thức đã thu được. - Trình diễn dữ liệu (Knowledge Presentation): Biểu diễn những tri thức khai phá được cho người sử dụng. 5. Đưa kết quả vào thực tiễn 4. Minh họa và đánh giá tri thức 3. Khai thác dữ liệu–trích ra các mẫu/mô hình 2. Thu thập và tiền xử lý dữ liệu 1. Hiểu và xác định vấn đề Hình 1: Quá trình khám phá tri thức từ CSDL 4 Khóa luận môn học: Công nghệ tri thức và Ứng dụng Hình 1 mô tả 5 giai đoạn trong quá trình khám phá tri thức từ cơ sở dữ liệu. Mặc dù có 5 giai đoạn như trên xong quá trình khám phá tri thức từ cơ sở dữ liệu là một quá trình tương tác và lặp di lặp lại theo chu trình liên tục kiểu xoáy trôn ốc, trong đó lần lặp sau hoàn chỉnh hơn lần lặp trước. Ngoài ra, giai đoạn sau lại dựa trên kết quả thu được của giai đoạn trước theo kiểu thác nước. Đây là một quá trình biện chứng mang tính chất khoa học của lĩnh vực phát hiện tri thức và là phương pháp luận trong việc xây dựng các hệ thống phát hiện tri thức. 2.1. Xác định vấn đề Đây là một quá trình mang tính định tính với mục đích xác định được lĩnh vực yêu cầu phát hiện tri thức và xây dựng bài toán tổng kết. Trong thực tế, các CSDL được chuyên môn hóa và phân chia theo các lĩnh vực khác nhau như sản phẩm, kinh doanh, tài chính, quản lý,… Với mỗi tri thức phát hiện được có thể có giá trị trong lĩnh vực này nhưng lại không mang nhiều ý nghĩa đối với một lĩnh vực khác. Vì vậy mà việc xác định lĩnh vực và định nghĩa bài toán giúp định hướng cho giai đoạn tiếp theo thu thập và tiền xử lý dữ liệu. 2.1.1 Thu thập và tiền xử lý dữ liệu Cơ sở dữ liệu thu được thường chứa rất nhiều thuộc tính nhưng lại không đầy đủ, không thuần nhất, có nhiều lỗi và các giá trị đặc biệt. Vì vậy, giai đoạn thu thập và tiền xử lý dữ liệu trở nên rất quan trọng trong quá trình phát hiện tri thức từ CSDL. Thu thập và tiền xử lý dữ liệu được chia thành các giai đoạn như sau: a. Chọn lọc dữ liệu: Đây là bước chọn lọc các dữ liệu có liên quan trong các nguồn dữ liệu, trích rút các dữ liệu cần thiết từ CSDL hoạt động và đưa vào CSDL riêng. Do vậy chúng ta chỉ cần chọn những dữ liệu thực sự quan tâm và hữu ích nhằm phục vụ cho các giai đoạn kế tiếp. Ví dụ: CSDL ban đầu được thu thập tại bệnh viện Bà Rịa có rất nhiều bảng, trong quá trình chọn lọc dữ liệu và chúng ta chỉ cần các bảng mà ta muốn Mining Bệnh nhân Bác sỹ Phân loại bệnh Thông tin bệnh MãBN MãBS Mã ICD MãBN ∪ Mã ICD Họ tên BN Họ tên BS Tên ICD Tuổi BN Năm sinh Năm sinh Mã số ICD Mã số ICD Mã BHYT b. Làm sạch dữ liệu:Dữ liệu thực tế, đặc biệt dữ liệu lấy từ nhiều nguồn khác nhau thường không đồng nhất. Do đó trước khi khai mỏ dữ liệu chúng ta cần có biện pháp xử làm sạch dữ liệu. Các thao tác làm sạch dư liệu như sau: - Trùng lắp dữ liệu là lỗi khá quan trọng, do đó chúng ta phải xóa bỏ dữ liệu có thông tin bị trùng lắp do trong quá trình thao tác, thông tin không được cập nhật kịp thời hay bị sai lệch. 5 Khóa luận môn học: Công nghệ tri thức và Ứng dụng - Giới hạn vùng giá trị: là lỗi thường xảy ra đó là nằm ngoài vùng giới hạn cho phép. Nghĩa là các thông tin chứa các giá trị không theo một quy tắc nào đó, những lỗi này khá đặc biệt mà chúng ta rất khó phát hiện. Vì thế nó ảnh hưởng không nhỏ đến việc đưa quá trình data mining vào bảng dữ liệu, cho nên để sửa chữa các mâu thuẩn này nếu phần thông tin nào là không biết thì nó có thể được thay thế bằng giá trị NULL và cứ như vậy chúng ta tiến hành sửa chữa các mâu thuẫn trong các vùng dữ liệu khác. c. Làm giàu dữ liệu: Việc thu thập dữ liệu đôi khi không đảm bảo tính đầy đủ của dữ liệu, một số thông tin quan trọng có thể thiếu hoặc không đầy đủ. Do đó quá trình làm giàu bao gồm việc tích hợp và chuyển đổi dữ liệu. Các dữ liệu từ nhiều nguồn khác nhau được tích hợp thành một kho thống nhất. Các khuôn dạng khác nhau của dữ liệu cũng được quy đổi, tính toán lại để đưa về một kiểu thống nhất, tiện cho quá trình phân tích. d. Mã hóa dữ liệu: Mã hóa là chuyển đổi kiểu dữ liệu về những dạng thuận tiện cho việc tiến hành tìm luật kết hợp ở giai đoạn khám phá tiếp theo. Chỉ có các thành phần thực thi trong thuật toán tìm luật kết hợp được mã hóa. Tùy theo từng kiểu dữ liệu mà chúng ta có những cách mã hóa khác nhau, như: Phân vùng; Chuyển đổi giá trị năm thanh số so với hiện tại, ví dụ: hoten namsinh tuoi AN HÙNG VINH 1960 52 AN THỊ CẨM LINH 1958 54 BẠCH NGỌC ON 1939 73 BÀNH THỊ HÒE ANH 1958 54 BÀNH THỊ LIỄU ANH 1948 64 BIỆN THỊ SĨ PHU 1974 38 BÙI CAO TÁC 1928 84 BÙI ĐÌNH NAM 1947 65 BÙI ĐỨC QUẾ 1945 67 BÙI ĐỨC QUY 1950 62 BÙI NHƯ XUYẾN 1946 66 2.1.2 Khai thác dữ liệu Giai đoạn khai thác dữ liệu được bắt đầu sau khi dữ liệu đã được thu thập và tiến hành xử lý. Thông thường, các bài toán khai thác dữ liệu bao gồm: các bài toán mang tính chất mô tả - đưa ra những tính chất chung nhất của các dữ liệu, các bài toán khai thác dự báo – bao gồm cả việc thực hiện các suy diễn trên dữ liệu. Tùy theo bài toán xác định được mà ta lựa chọn các phương pháp khai thác dữ liệu cho phù hợp. 2.1.3 Minh họa và đánh giá Các tri thức phát hiện từ CSDL cần được tổng hợp dưới dạng các báo cáo phục vụ cho các mục đích hỗ trợ quyết định khác nhau. 6 Khóa luận môn học: Công nghệ tri thức và Ứng dụng Việc đánh giá các kết quả thu được là cần thiết, giúp tạo cơ sở cho những quyết định chiến lược. Thông thường chúng được tổng hợp, so sánh bằng các biểu đồ và được kiểm nghiệm, tin học hóa. Công việc này thường là của các chuyên gia, các nhà phân tích và quyết định. 2.1.4 Đưa kết quả vào thực tế Các kết quả của quá trình phát hiện tri thức có thể được đưa vào ứng dụng trong những lĩnh vực khác nhau. Các kết quả có thể là các dự báo hoặc các mô tả nên chúng có thể được đưa vào các hệ thống hỗ trợ ra quyết định nhằm tự động hóa quá trình này. Ví dụ: từ CSDL bệnh nhân có độ tuổi từ 50 > 60, gồm có 9 giao tác, với độ hỗ trợ=50%, và độ tin cậy=60%. Khi thực hiện ta có tập phần tử phổ biến là: 3, và tìm được luật kết hợp là:2. (Hình 2) Hình 2: Kết quả tìm kiếm luật kết hợp 3. Khai mỏ dữ liệu 3.1. Các quan niệm về khai mỏ dữ liệu Khai phá dữ liệu là tập hợp các thuật toán nhằm chiết xuất những thông tin có ích từ kho dữ liệu khổng lồ. Khai phá dữ liệu được áp dụng trong các cơ sở dữ liệu quan hệ, giao dịch, cơ sở dữ liệu không gian, cũng như các kho dữ liệu phi cấu trúc. Như vậy, mục đích của khai mỏ dữ liệu là tìm ra các mẫu hoặc mô hình đang tồn tại trong các CSDL nhưng vẫn còn tiềm ẫn bởi số lượng dữ liệu khổng lồ. 3.2. Nhiệm vụ của khai mỏ dữ liệu 7 Khóa luận môn học: Công nghệ tri thức và Ứng dụng - Phân cụm, phân loại, phân nhóm, phân lớp. Nhiệm vụ là trả lời câu hỏi: Một dữ liệu mới thu thập sẽ thuộc về nhóm nào? Quá trình này thường được thực hiện một cách tự động. - Khám phá luật kết hợp. Nhiệm vụ là phát hiện ra những mối quan hệ giống nhau của các bản ghi giao dịch. Luật kết hợp X=>Y có dạng tổng quát là: Nếu một giao dịch đã sở hữu các tính chất X thì đồng thời nó cũng sở hữu các tính chất Y, ở một mức độ nào đó. Khám phá luật kết hợp được hiểu theo nghĩa: Biết trước các tính chất X, vậy các tính chất Y là những tính chất nào? - Lập mô hình dự báo: Phân nhóm dữ liệu vào một hay nhiều lớp dữ liệu đã xác định trước hoặc sử dụng các trường đã cho trong một cơ sở dữ liệu để dự báo sự xuất hiện(hoặc không xuất hiện) của các trường hợp khác. - Phân tích đối tượng ngoài cuộc: Một cơ sở dữ liệu có thể có thể chứa các đối tượng không tuân theo mô hình dữ liệu. - Phân tích sự tiến hóa: Thực hiện việc mô tả và mô hình hóa các quy luật hay khuynh hướng của những đối tượng mà ứng xử của chúng thay đổi theo thời gian. 3.3. Triển khai việc khai mỏ dữ liệu Nhóm các tác giả Cabena Et Al đề nghị triển khai quá trình khai mỏ dữ liệu theo 5 bước: - Bước 1: Xác định rõ mục tiêu thương mại cần khai phá. - Bước 2: Chuẩn bị dữ liệu: Thu thập, tiền xử lý, chuyển đổi khuôn dạng dữ liệu nếu thấy cần thiết - Bước 3: Khai phá dữ liệu: Chọn thuật toán thích hợp - Bước 4: Phân tích kết quả thu được: Xem có gì thú vị không? - Bước 5: Tiêu hóa các tri thức thu lượm được: Nhằm đề ra kế hoạch khai thác các thông tin mới. Một tác giả khác cũng nói tới quy trình 5 bước của khai phá dữ liệu, với quan điểm gần giống như trên: - Bước 1: Chiết xuất, biến đổi và nạp dữ liệu vào hệ thống kho dữ liệu. - Bước 2: Lưu trữ và quản trị dữ liệu trong một cơ sở dữ liệu nhiều chiều - Bước 3: Xác định mục tiêu cần khai phá (Sử dụng các công cụ phân tích về mặt tác nghiệp). - Bước 4: Sử dụng các phần mềm phân tích dữ liệu để khai mỏ dữ liệu. - Bước 5: Thể hiện kết quả khai mỏ dưới khuôn dạng hữu ích hay bảng biểu, đồ thị. 3.4. Một số ứng dụng khai mỏ dữ liệu Vào cuối thế kỷ XX, người ta coi khai mỏ dữ liệu là quá trình phân tích CSDL nhằm phát hiện ra các thông tin mới và giá trị, thường thể hiện dưới dạng các mối quan hệ chưa biết đến giữa các biến số. Những phát hiện này được sử dụng nhằm tăng thêm tính hiệu quả của doanh nghiệp trong khi phải cạnh tranh trên thương trường. Nhờ phân tích các dữ liệu liên quan đến khách hàng, doanh nghiệp có khả năng dự báo trước một số hành vi ứng xử của khách hàng. 8 Khóa luận môn học: Công nghệ tri thức và Ứng dụng Những năm gần đây, người ta quan niệm khai mỏ dữ liệu là một quá trình phân tích dữ liệu từ các viễn cảnh khác nhau và rút ra các thông tin bổ ích có thể dùng để tăng lợi nhuận, và giảm chi phí. Phần mềm khai mỏ dữ liệu là một công cụ phân tích dùng để phân tích dữ liệu. Nó cho phép người sử dụng phân tích dữ liệu theo nhiều góc nhìn khác nhau, phân loại dữ liệu thao những quan điểm riêng biệt và tổng kết các mối quan hệ đã được bóc tách. Xét về khía cạnh kỹ thuật, khai mỏ dữ liệu là một quá trình tìm kiếm các mối tương quan giữa các mẫu ẩn chứa trong hàng chục trường dữ liệu của một CSDL quan hệ cỡ lớn. Hiện nay, kỹ thuật khai phá dữ liệu đang được áp dụng một cách rộng rãi trong rất nhiều lĩnh vực kinh doanh và đời sống khác nhau như: - Thương mại, Thông tin sản xuất, - Thông tin khoa học: dự báo thời tiết, CSDL sinh học: Ngân hàng gen, … khoa học địa lý: dự báo động đất, … khoa học môi trường: biến đổi khí hậu toàn cầu và nước biển dâng, - Trong y tế, marketing, ngân hàng, viễn thông, du lịch, internet… 3.5. Các kỹ thuật khai phá dữ liệu - Kỹ thuật khai mỏ dữ liệu mô tả: Có nhiệm vụ mô tả về các tính chất hoặc các đặc tính chung của dữ liệu tring cơ sở dữ liệu hiện có. Các kỹ thuật này gồm có: Gom nhóm (clustering), tóm tắt (summerization), trực quan hóa visualiztation), phân tích sự phát triển và độ lệch (evolution and deviation analyst), phân tích luật kết hợp (association rules) … - Kỹ thuật khai mỏ dữ liệu dự đoán: Có nhiệm vụ đưa ra các dự đoán dựa vào các suy diễn trên dữ liệu hiện thời. Các kỹ thuật này gồm có: Phân lớp (classification), hồi quy (regession)… Tuy nhiên, chỉ có một số phương pháp thông dụng nhất là: Phân cụm dữ liệu, phân lớp dữ liệu, phương pháp hồi quy và khai phá luật kết hợp a) Phân cụm dữ liệu: Mục tiêu chính của phương pháp phân cụm dữ liệu là nhóm các đối tượng tương tự nhau trong tập dữ liệu vào các cụm sao cho các đối tượng thuộc cùng một lớp là tương đồng còn các đối tượng thuộc các cụm khác nhau sẽ không tương đồng. 9 Hình 3: Phân cụm dữ liệu Khóa luận môn học: Công nghệ tri thức và Ứng dụng b) Phân lớp dữ liệu: Mục tiêu của phương pháp phân lớp dữ liệu là dự đoán nhãn lớp cho các mẫu dữ liệu. Quá trình phân lớp dữ liệu thường gồm hai bước: - Bước 1: Một mô hình sẽ được xây dựng dựa trên việc phân tích các mẫu dữ liệu sẵn có. Mỗi mẫu tương ứng với một lớp, được quyết định bởi một thuộc tính gọi là thuộc tính lớp. Các lớp dữ liệu này còn được gọi là lớp dữ liệu huấn luyện (training data set). Các nhãn lớp của tập dữ liệu huấn luyện đều phải được xác định trước khi xây dựng mô hình. - Bước 2: Sử dụng mô hình để phân lớp dữ liệu. Trước hết, chúng ta phải tính độ chính xác của mô hình. Nếu độ chính xác là chấp nhận được, mô hình sẽ được sử dụng để dự đoán nhãn lớp cho các mẫu dữ liệu khác trong tương lai. c) Phương pháp hồi quy: Phương pháp hồi quy khác với phân lớp dữ liệu ở chỗ: Hồi quy dùng để dự đoán về các giá trị liên tục còn phân lớp dữ liệu chỉ dùng để dự đoán về các giá trị rời rạc. Hồi quy là một hàm học ánh xạ mục dữ liệu thành một biến dự đoán có giá trị thực. Có rất nhiều ứng dụng khai phá dữ liệu với nhiệm vụ hồi quy, chẳng hạn như khả năng đánh giá tử vong của bệnh nhân khi biết các kết quả xét nghiệm; chẩn đoán, dự đoán nhu cầu tiêu thụ một sản phẩm mới bằng một hàm chi tiêu quảng cáo. d) Khai phá luật kết hợp: Phương pháp này là phát hiện và đưa ra các mối liên hệ giữa các giá trị dữ liệu trong cơ sở dữ liệu. Mẫu đầu ra của giải thuật khai phá dữ liệu là luật kết hợp tìm được. Chẳng hạn, phân tích cơ sở dữ liệu bán hàng nhận được thông tin về những khách hàng mua máy tính có khuynh hướng mua phần mềm quản lý tài chính trong cùng lần mua được miêu tả trong luật kết hợp sau: “Máy tính=>Phần mềm quản lý tài chính” (Độ hỗ trợ: 2%, độ tin cậy: 60%) 10 Hình 4: Phân lớp dữ liệu [...]... trong thuật tốn mơ tả trong các chương sau 16 Khóa luận mơn học: Cơng nghệ tri thức và Ứng dụng CHƯƠNG 3 TÌM HIỂU MỘT SỐ THUẬT TỐN PHÁT HIỆN LUẬT KẾT HỢP 1 Thuật tốn AIS Thuật tốn do Agrwal đề nghị năm 1993 Thuật tốn này chú trọng khai phá luật kết hợp có dạng XY, với Y là tập hợp chỉ bao gồm 1 tính chất (tập hợp 1 phần tử) Thuật tốn tìm cách xây dựng dần dần các tập ứng cử viên cho “chức vụ” tập hợp. .. khơng phải bất cứ luật kết hợp nào có mặt trong tập các luật có thể được sinh ra cũng đều có ý nghĩa trên thực tế Mà các luật đều phải thoả mãn một ngưỡng hỗ trợ và tin cậy cụ thể Do vậy, cho một tập các giao dịch D, bài tốn phát hiện luật kết hợp là sinh ra tất cả các luật kết hợp mà có độ tin cậy conf lớn hơn độ tin cậy tối thiểu minconf và độ hỗ trợ sup lớn hơn độ hỗ trợ tối thiểu minsup tương ứng... …) Với thuật tốn và nhiệm vụ khai mỏ dữ liệu khác nhau thì dạng mẫu chiết xuất được cũng rất đa dạng 13 Khóa luận mơn học: Cơng nghệ tri thức và Ứng dụng CHƯƠNG 2 LUẬT KẾT HỢP TRONG KHAI MỎ DỮ LIỆU 1 Khai phá luật kết hợp Luật kết hợp được giới thiệu lần đầu tiên vào năm 1993 Luật kết hợp là một trong những kỹ thuật được nghiên cứu tốt nhất vũng như quan trọng nhất trong việc khai mỏ dữ liệu Nó tìm ra... k-itemset (itemsets gồm k items) được dùng để tìm (k+1)- itemset Đầu tiên tìm 1-itemset (ký hiệu L1) L1 được dùng để tìm L2 (2itemsets) L2 được dùng để tìm L3 (3-itemset) và tiếp tục cho đến khi khơng có k-itemset được tìm thấy - Từ frequent itemsets sinh ra các luật kết hợp mạnh (các luật kết hợp thỏa mãn 2 tham số min_sup và min_conf) Các bước thực hiện thuật tốn: - Bước 1 Duyệt (Scan) tồn bộ transaction... Minconf=100% Chương trình thực thi và tìm được 2 luật (Hình 9) Hình 9: Mơ tả kết quả tìm kiếm luật kết hợp 34 Khóa luận mơn học: Cơng nghệ tri thức và Ứng dụng KẾT LUẬN Khố luận đã trình bày tổng quan và các nét đặc trưng nhất trong lĩnh vực Data Mining bao gồm các vấn đề cần khám phá tri thức, các hướng tiếp cận và nghiên cứu tiểu biểu, trong đó phát hiện luật kết hợp là một phương pháp khám phá tri thức... vấn đề đặt ra là liệu có tìm được các luật như tập mẫu nhỏ vậy bằng các cơng cụ khai phá dữ liệu hay khơng? Câu trả lời là hồn tồn có thể Đó chính là nhiệm vụ khai phá luật kết hợp 2 Lý thuyết về luật kết hợp 2.1 Khái niệm Cho một tập I = {I1, I2, , Im} các tập m mục, một giao dịch T được định nghĩa như một tập con của các khoản mục trong I (T⊆I) Tương tự như khái niệm tập hợp, các giao dịch khơng... dựng thành các luật cụ thể Luật kết hợp là tri thức quan trọng nhất tiềm ẩn trong CSDL Mục đích của luật kết hợp là rút ra những mối liên quan, những tập mẫu phổ biến, những cấu trúc kết hợp hay cấu trúc ngẫu nhiên giữ những tập hợp Items trong trong các transaction database hoặc trong những kho dữ liệu Ví dụ: “98% khách hàng mà mua tạp chí thể thao thì đều mua các tạp chí về ơtơ” ð sự kết hợp giữa “tạp... của luật kết hợp: có 4 tính chất - Tính chất 1:( Khơng hợp các luật kết hợp) Nếu có X→Z và Y→Z trong D thì khơng nhất thiết X∪Y→Z là đúng Xét trường hợp X ∩Z =∅ và các tác vụ trong D hỗ trợ Z nếu và chỉ nếu chúng hỗ trợ mỗi X hoặc Y, khi đó luật X∪Y→Z có độ hỗ trợ 0% Tương tự : X→Y ∧ X→Z ⇒ X→Y∪Z - Tính chất 2:(Khơng tách luật) Nếu X∪Y→Z thì X→Z và Y→Z chưa chắc xảy ra Ví dụ trường hợp Z có mặt trong một. .. bước: Tìm hiểu và xác định vấn đề; thu thập và tiền xử lý dữ liệu; khai thác dữ liệu–trích ra các mẫu/mơ hình; minh họa và đánh giá tri thức, và đưa kết quả vào thực tiễn Về thuật tốn khai phá tri thức, khố luận trình bày một số thuật tốn khai phá luật kết hợp, như: AIS, SETM, Apriori,AprioriTID, Apriori-Hybrid, FPgrowth Về mặt cài đặt thử nghiệm, khố luận giới thiệu kỹ thuật khai phá dữ liệu theo thuật. .. bộ nhớ tính tốn, mới dùng thuật tốn Apriori-TID 6 Thuật tốn FP-growth 6.1 Ý tưởng thuật tốn Thuật tốn mới xuất hiện gần đây có tên là FP-growth được giới thiệu bởi Jiawei Hai Jian Pei và Yiwen Yin năm 2000 Thuật tốn tìm các tập phổ biến hiệu qủa hơn thuật tốn Apriori bằng việc sử dụng một kỹ thuật khác khơng cần sinh các ứng cử Sự hiệu quả của khai phá nhận được với 3 kỹ thuật chính: - Thứ nhất, nén . Lý thuyết về luật kết hợp 14 2.1. Khái niệm 14 2.2 Một số tính chất: 15 TÌM HIỂU MỘT SỐ THUẬT TOÁN PHÁT HIỆN LUẬT KẾT HỢP 17 1. Thuật toán AIS 17 2. Thuật toán SETM 17 3. Thuật toán Apriori. dụng CHƯƠNG 3 TÌM HIỂU MỘT SỐ THUẬT TOÁN PHÁT HIỆN LUẬT KẾT HỢP 1. Thuật toán AIS Thuật toán do Agrwal đề nghị năm 1993. Thuật toán này chú trọng khai phá luật kết hợp có dạng XY, với Y là tập hợp chỉ. và Ứng dụng CHƯƠNG 2 LUẬT KẾT HỢP TRONG KHAI MỎ DỮ LIỆU 1. Khai phá luật kết hợp Luật kết hợp được giới thiệu lần đầu tiên vào năm 1993. Luật kết hợp là một trong những kỹ thuật được nghiên cứu