1、关联分析
§ 关联分析用于发现隐藏在大型数据集中的有意义的联系。所发现的模式通常用关联规则或频繁项集的形式表示。
§ 关联分析可以应用于生物信息学、医疗诊断、网页挖掘、科学数据分析等。
在对购物篮数据进行关联分析时，需要处理两个关键问题：
§ 从大型事务数据集中发现模式可能在计算上付出很高的代价；
§ 所发现的某些模式可能是虚假的，因为他们可能是偶然发生的。
客观兴趣度度量使用从数据推导出的统计量来确定模式是否是有趣的。
支持度。关联规则X⟹Y 的支持度（support）是交易数据库 D 中同时包含项集X和Y的事务的百分比，它就是概率P(Y ∪ X)，如果规则的支持度太低，则说明规则不具有一般性。因此，支持度通常用来删除那些无意义的规则。
支持度的缺点：许多潜在有意义的模式由于包含支持度小的项而被删去。
置信度。关联规则X⟹Y的置信度（confidence）是交易数据库D中包含X的事务前提下同时包含Y的事务的百分比，它就是条件概率P(Y|X) ，置信度是对关联规则准确度的测量。
置信度的缺点：忽略了规则中后项的支持度。
提升度。它是关联规则的一种简单相关性度量。关联规则X⟹Y 的提升度（lift）是计算规则置信度和规则后项支持度之间的比率。
先验原理（ Apriori principle）
如果一个项集是频繁的，则它的所有子集一定也是频繁的；
相反，如果一个项集是非频繁的，则它的所有超集也一定是非频繁的。
§ 这种基于支持度的剪枝依赖于支持度度量的一个关键性质，即一个项集的支持度决不会超过它的子集的支持度。这个性质也称为支持度度量的反单调性（anti-monotone）。
2、聚类分析
简单地说，聚类分析是将数据划分成有意义或有用的组(簇)。进行聚类分析有两类目的：
① 旨在理解数据的聚类，目标是将数据划分成有意义的簇，要求簇应当捕获数据的自然结构。
② 旨在实用的聚类，这种情况的聚类分析只是解决其他问题(如数据汇总)的起点，后续将进行分类挖掘等处理。
不同的聚类类型：
① 层次的与划分的
划分聚类：将数据对象集划分成不重叠的子集(簇)，使得每个数据对象恰在一个子集中。
层次聚类：允许簇具有子簇，形成嵌套簇的集族，组织
成一棵树。除叶结点外，树中每一个结点(簇)都是其子女(子簇)的并，而树根是包含所有对象的簇。
② 互斥的、重叠的与模糊的
互斥的聚类：每个数据对象都指派到单个簇；
重叠的聚类：允许将一个数据对象放到多个簇中。例如，一个点处于两个簇中间，此时可以将它放到“同样好”的两个簇中。
模糊聚类：每个对象以一个0(绝对不属于)和1(绝对属于)之间的隶属权值属于每个簇，通常要求每个对象对所有簇的隶属权值之和必须等于1。
③ 完全的与部分的
完全聚类：每个数据对象都指派到一个簇；
部分聚类：有些数据对象没有被分类。导致部分聚类的因素是，数据集中某些对象可能不属于明确定义的组，不将它们指派给簇可能更好。例如数据集中的一些对象可能代表噪声、离群点或“不感兴趣的背景”。
在凝聚层次聚类算法中，有哪些计算组间邻近度的方法?
1.MIN或单链：MIN定义簇的邻近度为不同簇的两个最近的点之间的邻近度，或者使用图的术语，不同的结点子集中两个结点之间的最短边；单链技术擅长于处理非椭圆形状的簇，但对噪声和离群点很敏感；
2.MAX或全链：MAX取不同簇中两个最远的点之间的邻近度作为簇的邻近度，或者使用图的术语，不同的结点子集中两个结点之间的最长边；
3.组平均：组平均技术定义簇邻近度为取自不同簇的所有点对邻近度的平均值(平均边长)；
4.基于质心的度量：基于簇的质心，取两个簇质心的邻近度作为这两个簇的邻近度；
5.Ward度量：假定簇用其质心代表，但它使用合并两个簇导致的SSE增加来度量两个簇之间的邻近性。
DBSCAN算法的优缺点：
因为DBSCAN使用簇的基于密度的定义，因此它是相对抗噪声的，并且能够处理任意形状和大小的簇。这样，DBSCAN可以发现使用K均值不能发现的许多簇。
然而，当簇的密度变化太大时，DBSCAN就会有麻烦。对于高维数据，它也有问题，因为对于这样的数据，密度定义更困难。最后，当需要计算所有的点对邻近度时(对于高维数据，常常如此)，DBSCAN的开销可能是很大的。
