基于商品分类信息的关联规则聚类

关联规则挖掘经常产生大量的规则,为了帮助用户做探索式分析,需要对规则进行有效的组织聚类是一种有效的组织方法已有的规则聚类方法在计算规则间距离时都需要扫描原始数据集,效率很低,而且聚类结果是固定数目的簇,不利于探索式分析针对这些问题,提出了一种新的方法它基于商品分类信息度量规则间的距离,避免了耗时的原始数据集扫描;然后用OPTICS 聚类算法产生便于探索式分析的聚类结构最后用某个零售业公司的实际交易数据做了实验,并通过可视化工具演示了聚类效果实验结果表明此方法是实用有效的