数据仓库实验二：关联规则挖掘实验

- 一、实验目的
- 二、实验内容和要求
- 三、实验步骤
- - 1、创建数据库和表
  - 2、挖掘关联规则
  - - [（1）新建一个 Analysis Services 项目 Sales](#（1）新建一个 Analysis Services 项目 Sales)
    - （2）建立数据源视图
    - [（3）建立挖掘结构 Sales.dmm](#（3）建立挖掘结构 Sales.dmm)
    - （4）部署关联规则挖掘项目并浏览结果
- 四、实验总结体会

一、实验目的

通过本实验，对利用 Apriori 和 FP-growth 算法发现频繁项集、构建关联规则的方法有准确的理解。并掌握利用 Sql Server 等工具平台进行关联规则挖掘的方法，掌握挖掘结构、挖掘模型的基本概念，能够使用数据挖掘向导创建数据挖掘结构和模型，掌握数据挖掘设计器的使用方法，掌握模型查看器方法，理解关联规则挖掘常用的参数含义和设置方法。

二、实验内容和要求

针对实际需求，构建格式规范的数据集，并能够借助于 SQL Server、Weka、SPSS 等工具平台，利用 Apriori/FP-growth 算法，进行关联规则挖掘，正确分析实验结果，发现知识，完成实验报告。

三、实验步骤

以下以 Sql Server 作为工具，完成数据集的构建和关联规则的挖掘。

1、创建数据库和表

在 SSMS 中建立 Sales 数据库 (模拟超市/商场的销售数据)，分别设计 Maintable (客户订单表)、Subtable (订单明细表)。表的结构和内容如下所示。

Maintable (客户订单表)：

Subtable (订单明细表)：

2、挖掘关联规则

在 Sql Server Data Tools 中采用如下步骤挖掘关联规则。

（1）新建一个 Analysis Services 项目 Sales

定义数据源 Sales.ds，对应的数据库为前面建立的 Sales 数据库。

（2）建立数据源视图

定义数据源视图 Sales.dsv，它包含 Maintable 和 Subtable 两个表，并建立两个人表之间的关系，如下所示。

定义数据源视图 Sales.dsv：

建立两个表之间的关系：

数据源视图如下：

（3）建立挖掘结构 Sales.dmm

新建挖掘结构，在 "创建数据挖掘结构" 页面的 "您要使用何种数据挖掘技术？" 选项下，选中列表中的 "Microsoft关联规则"。

为该数据源视图指定 Maintable 和 Subtable 两个表。

在 "指定表类型" 页面上，在 Maintable 表的对应行中选中 "事例" 复选框，在 Subtable 表的对应行中选中 "嵌套" 复选框。

在 "指定定型数据" 页面中，选中 MainTable 表订单编号字段所在行的 "键" 复选框。在 Subtable 表的产品名称字段勾选 "键"、"输入" 和 "可预测" 复选框。

在 "创建测试集" 页面上，"测试数据百分比" 选项的默认值为30%，将该选项更改为0.

在完成向导页面的 "挖掘结构名称" 和 "挖掘模型名称" 中，都输入 Sales，并且勾选 "允许钻取" 复选框。

结果如下图：

打开数据挖掘设计器的 "挖掘模型" 选项卡，右击 "Sales"，在出现的下拉菜单中选择 "设置算法参数" 命令，设置 "MINIMUM_PROBABLITY" 参数为0.5，设置 MINIMUM_SUPPORT 参数为0.2。

（4）部署关联规则挖掘项目并浏览结果

先处理（部署）、再浏览。

打开数据挖掘设计器的 "挖掘模型查看器" 选项卡，分别选择 "规则"、"项集" 和 "依赖关系网络" 选项并浏览。结果如下图所示。

四、实验总结体会

通过挖掘数据仓库中的关联规则，我们可以发现数据之间的潜在关联性，从而为业务决策提供重要的参考依据。

在进行实验时，首先需要准备好数据集，确保数据的完整性和准确性。然后，选择合适的挖掘算法和工具进行实验。常用的算法包括Apriori算法和FP-Growth算法，可以使用工具如Weka、RapidMiner或Python中的相应库进行实现。Apriori算法和FP-Growth都是用来发现频繁项集的算法，但Apriori算法在寻找频繁项集时需要不停的扫描数据集，而FP-Growth算法只需要扫描数据集两次，因此FP-Growth算法执行速度更快，频繁项集是进行关联分析的基础，因此能够快速高效的查找频繁项集十分重要。

在实验过程中，需要注意调整算法的参数，以获得更好的挖掘结果。同时，对挖掘结果进行评估和解释，确保发现的关联规则具有实际意义，并能够为业务决策提供帮助。

最后，及时总结实验过程中的经验和教训，不断优化挖掘过程，提高挖掘效率和准确性。通过不断地实践和探索，可以更好地理解数据仓库中的数据，挖掘出更多有价值的信息，为企业的发展提供有力支持。