Scribd
Importer
863 vues2 pages

Travaux Dirigés N°1: Découverte Des Règles D'association

Ce document présente quatre exercices sur la découverte de règles d'association à partir de bases de données de transactions. Les exercices portent sur l'élimination de règles redondantes, le calcul de support et de confiance, et l'application des algorithmes Apriori et FP-Growth.

Transféré par

badrirania35
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
863 vues2 pages

Travaux Dirigés N°1: Découverte Des Règles D'association

Ce document présente quatre exercices sur la découverte de règles d'association à partir de bases de données de transactions. Les exercices portent sur l'élimination de règles redondantes, le calcul de support et de confiance, et l'application des algorithmes Apriori et FP-Growth.

Transféré par

badrirania35
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

UNIVERSITE NORD-AMERICAINE PRIVEE

INSTITUT INTERNATIONAL DE TECHNOLOGIE


DEPARTEMENT INFORMATIQUE

© Travaux dirigés n°1 : Découverte des règles d’association


MATIERE Fouille de données AU/ 2022-2023
DISCIPLINE 2ème année Génie Informatique Semestre/ 1
ENSEIGNANTS Dr. Taoufik Ben Abdallah & Dr. Ali Ben Mrad Nb de pages/ 2

EXERCICE 1
Soit l’ensemble des règles d’association suivant :
𝑨 → 𝑫
𝑫 → 𝑨
𝑨 → 𝑬
𝑫 → 𝑪
𝑪𝑫 → 𝑨
𝑨𝑪 → 𝑫
𝑨𝑫 → 𝑪
𝑨 → 𝑩𝑪𝑬
1) Éliminer les règles d’association redondantes
2) Supposant que 𝟒 transactions de la base de données supportent l’item 𝑨, et qu’une seul transaction supporte
l’item 𝑨𝑩𝑪𝑫𝑲; Est-ce que 𝑨 → 𝑩𝑪𝑫𝑲 est pertinente sachant que 𝒄𝒐𝒏𝒇𝒎𝒊𝒏 = 𝟎. 𝟑 ?

EXERCICE 2
Supposons que l’on dispose des données représentant 𝟏𝟎𝟎 transactions.
Étant donnée le nombre de transactions qui supportent 𝑫 égal à 𝟐𝟓, 𝒔𝒖𝒑𝒑(𝑬) = 𝟎. 𝟗, 𝒔𝒖𝒑𝒑(𝑫𝑬) = 𝟎. 𝟐,
et 𝒄𝒐𝒏𝒇𝒎𝒊𝒏 = 𝟎. 𝟔
1) Calculer la confiance de la règle d’association 𝑫 → 𝑬
2) Est-ce que la règle d’association 𝑫 → 𝑬 est intéressante?
3) Quelle est la conclusion que l’on peut tirer à partir des résultats précédents?

EXERCICE 3
L’objectif de cette exercice est de déterminer des associations entre 𝑵 = 𝟕 produits alimentaires (à savoir 𝑴 : lait,
𝑩 : beurre, 𝑺 : sucre, 𝑳 : pain, 𝑹 : riz, 𝑭 : farine, et 𝑬 : œufs) sur les tickets de caisse dans un magasin. La base de
données collectée comporte 7 tickets de caisse (𝑻𝟏 .. 𝑻𝟕 )
𝑻𝟏 = 𝑴𝑩𝑺𝑹
𝑻𝟐 = 𝑴𝑩𝑺𝑭
𝑻𝟑 = 𝑴𝑩𝑺𝑭
𝑻𝟒 = 𝑴𝑩𝑳𝑬
𝑻𝟓 = 𝑴𝑬
𝑻𝟔 = 𝑬
𝑻𝟕 = 𝑹
1) En appliquant l’algorithme A_priori,
a. Extraire l’ensemble 𝑭𝟏 des 1-items fréquents sachant que 𝑺𝒎𝒊𝒏 = 𝟎. 𝟏𝟔
b. Déterminer l’ensemble 𝑭 de tous les items fréquents sachant que 𝑺𝒎𝒊𝒏 = 𝟎. 𝟒

1/2
2) À partir de 𝑭, extraire les règles d’association en éliminant celles redondantes
3) Déduire les règles d’association pertinentes sachant que 𝒄𝒐𝒏𝒇𝒎𝒊𝒏 =𝒄𝒐𝒏𝒇(𝑴𝑩𝑬 → 𝑳). Interpréter la ou les
règle(s) trouvée(s)
4) Si la transaction qui supporte les produits 𝑴 et 𝑬, supporte aussi 𝑳, est-ce que 𝑴𝑬𝑳 est un item fréquent?
Justifier la réponse sans faire le calcul

EXERCICE 4
Soit la base de 𝟕 transactions de ventes 𝐩_𝐟𝐫𝐮𝐢𝐭𝐬 (𝑻𝟏 .. 𝑻𝟕 ) de 𝟓 produits (𝑭: Fraise, 𝑷 : Pomme, 𝑲 : Kiwi,
𝑮: Grenade, et 𝑩 : Banane) dans un magasin
𝑻𝟏 = 𝑭𝑲𝑮𝑩
𝑻𝟐 = 𝑭𝑷𝑲𝑩
𝑻𝟑 = 𝑭𝑲
𝑻𝟒 = 𝑭𝑷𝑲
𝑻𝟓 = 𝑭𝑩
𝑻𝟔 = 𝑭𝑷𝑲𝑮𝑩
𝑻𝟕 = 𝑭𝑷𝑲𝑮𝑩
1) En appliquant l’algorithme FP-growth,
a. Construire le FP- tree à partir de la base de transactions 𝐩_𝐟𝐫𝐮𝐢𝐭𝐬 sachant que 𝑺𝒎𝒊𝒏 = 𝟎. 𝟓
b. À partir de l’arbre généré, déterminer l’ensemble de 𝐤-items fréquents (avec 𝐤 ≥ 𝟐)

Item Conditionnal Pattern Base Conditional FP-tree Frequent Items

? ? ? ?

2) À partir des items fréquents calculés dans la question précédente, Quel est le nombre maximum de règles
pouvant être générées?

Bon Travail

2/2

Vous aimerez peut-être aussi