NHẬN XÉT CỦA GIẢNG VIÊN HƯỚNG DẪN

................................................................................................................................
................................................................................................................................
................................................................................................................................
................................................................................................................................
................................................................................................................................
................................................................................................................................
................................................................................................................................
................................................................................................................................
................................................................................................................................
................................................................................................................................
................................................................................................................................
................................................................................................................................
................................................................................................................................
................................................................................................................................
................................................................................................................................
................................................................................................................................
................................................................................................................................
................................................................................................................................
................................................................................................................................
................................................................................................................................
................................................................................................................................
................................................................................................................................
................................................................................................................................
................................................................................................................................
................................................................................................................................
................................................................................................................................
................................................................................................................................
.............................................................................................................................................
.............................................................................................................................................
.............................................................................................................................................
.............................................................................................................................................
.............................................................................................................................................

1
 LỜI NÓI ĐẦU
Ngày nay các lĩnh vực khoa học kỹ thuật đang ngày một phát triển mạnh mẽ.
Đặc biệt là nghành khoa học máy tính rất phát triển, nó được ứng dụng rất nhiều
trong các lĩnh vực khác nhau của cuộc sống như: Giáo dục, Y tế, Kinh tế, Khoa học,
Xây dưng, Nó đã trở thành một phần không thể thiếu được trong cuộc sống hàng
ngày của con người.Việc dùng các phương tiện tin học để tổ chức và khai thác các
cơ sở dữ liệu đã được phát triển từ những năm 60. Đặc biệt trong những năm gần
đây vai trò của máy tính trong việc lưu trữ và xử lý thông tin ngày càng trở lên quan
trọng. Bên cạnh đó các thiết bị thu thập dữ liệu tự động tương đối phát triển đã tạo
ra những kho dữ liệu khổng lồ. Với sự phát triển mạnh mẽ của công nghệ điện tử
tạo ra các bộ nhớ có dung lượng lớn, bộ xử lý tốc độ cao cùng với các hệ thống
mạng viễn thông, người ta đã xây dựng các hệ thống thông tin nhằm tự động hoá
mọi hoạt động kinh doanh của mình. Điều này đã tạo ra một dòng dữ liệu tăng lên
không ngừng ví ngay từ các các giao dịch đơn gian nhất như một cuộc điện thoại,
kiểm tra sức khỏe, sử dụng thẻ tín dụng, v.v.đều được ghi vào trong máy tính. Cho
tới nay con số này đã trở lên khổng lồ, bao gồm các cơ sở dữ liệu, thông tin khách
hàng, dữ liệu lịch sử các giao dịch, dữ liệu bán hàng, dữ liệu các tài khoản vay, sử
dụng vốn,..Vấn đề đặt ra là làm thế nào để sử lý khối lượng thông tin cực lớn như
vậy để phát hiện ra các tri thưc tiềm ẩn trong nó.
Để làm được điều đó người ta đã sử dụng quá trính Phát hiện tri thức trong
cơ sở dữ liệu( Knowledge Discovery in Database-KDD). Nhiệm vụ của KDD là từ
dữ liệu sẵn có phải tìm ra những thông tin tiềm ẩn có giá trị mà trước đó chưa được
phát hiện cũng như tìm ra những xu hướng phát triển và các xu hướng tác động lên
chúng .Các kỹ thuật cho phép ta lấy được các tri thức từ cơ sở dữ liệu sẵn có đó
được gọi là kỹ thuật Khai phá dữ liệu( Data Mining).
Từ những lý do đó chúng em đã hiểu về đề tài Khai phá dữ liệu bằng luật
kết hợp. Nhằm phân tích các dữ liệu và sử dụng các kỹ thuật để tìm ra những mẫu
thông tin, hoạt động có tính chính quy trong tập dữ liệu mà người sử dụng mong
muốn, đồng thời để áp dụng vào bài toán Quản lý bán hàng tại siêu thị.
Trong quá trình làm đồ án để hoàn thành đề tài này chúng đã nhận được sự
giúp đỡ chỉ bảo tận tình của các thầy cô giáo trong khoa công nghệ thông tin và các
bạn trong lớp, đặc biệt là thầy giáo Trần Hùng Cường. Nhưng do thời gian có giới
hạn và năng lực còn hạn chế nên không tránh khỏi những sai sót, chúng em mong
nhận được sự góp ý hơn nữa của thầy cô và các bạn.
Chúng em cũng xin chân thành cảm ơn các thầy giáo, cô giáo trong khoa
Công Nghệ Thông Tin đã tạo điều kiện giúp đỡ chúng em trong xuốt thời gian làm
đồ án và học tập tại trường.

2
 Chúng em xin chân thành cảm ơn các bạn cùng lớp đã tạo điều kiện cho
chúng em hoàn thành tốt luận văn này.

Chúng em xin chân thành cảm ơn!

Nhóm sinh viên thực hiện:

Phạm Thị Hoàn
Trần Việt Phương Đông

Lớp CĐ-ĐH-KHMT3-K1

3
 TÓM TẮT ĐỒ ÁN
Nội dung của đồ án là những kiến thức về khai phá dữ liệu sử dụng luật kết
hợp, các thuật toán kinh điển trong quá trình sử dụng luật kết hợp, cách áp dụng
thuật toán Apriori vào một phần nhỏ trong bài toán Quản lý bán hàng tại siêu thị .
Mục đích của đồ án là:
Phân tích các dữ liệu và sử dụng các kỹ thuật để tìm ra những mẫu thông
tin, hoạt động có tính chính quy trong tập dữ liệu mà người sử dụng mong muốn.
Đưa ra các thuật toán cơ bản như Apriori, thuật toán tìm luật kết hợp không
phát sinh ứng viên dựa vào cấu trúc cây FP- Tree, v.v.trong việc sử dụng luật kết
hợp để phân tích một cơ sở dữ liệu nào đó.
Phân tích cơ sở dữ liệu và cài đặt thuật toán Apriori để áp dụng một phần
nhỏ vào bài toán Quản lý bán hàng tại siêu thị .
Đồ án bao gồm có 3 chương, với các nội dung như sau:
Chương I: Tổng quan về khai phá dữ liệu. Nội dung trong chương này sẽ
được trình bày bao gồm: Khai phá dữ liệu và phát hiện tri thức, quá trình phát hiện
tri thức từ cơ sở dữ liệu, khai phá dữ liệu có lợi ích gì? Các kỹ thuật khai phá dữ
liệu, nhiêm vụ chính của khai phá dữ liệu, các phương pháp khai phá dữ liệu, ứng
dụng của khai phá dữ liệu và một số thách thức đặt ra cho việc khai phá dữ liệu.
Chương II: Tập phổ biến và luật kết hợp: Nội dung đuợc trình bày bao
gồm: Một số khái niệm, tính chất cơ bản của tập phổ biến và luật kết hợp, tìm tập
phổ biến, một số thuật toán cơ bản về luật kết hợp, một số ví dụ minh họa các thuật
toán.
Chương III: Cách cài đặt và thử nghiệm thuật toán tìm tập phổ biến và
luật kết hợp: Phân tích một cơ sở dữ liệu, trình bày về cách cài đặt chương trình
khai thác luật kết hợp trong việc quản lý bán hàng tại siêu thị. Dựa vào kết quả này
mà người quản lý bán hàng tại thị siêu nắm bắt được những nhóm mặt hàng nào có
liên quan tới nhau, phục vụ cho mục đích quản lý và lựa chọn các mặt hàng để kinh
doanh.

4
 SUMMARY OF THE PROJECT
This project’s content is the knowledge of data mining which uses
association rules, the classical algorithms in the proccess of using association rules,
how to apply Apriori Algorithms to a small part on Sales Management Problem in
supermarket.
The purposes of this project are:
Analysing data and using technique to find out sample informations,
actions which have regular nature in data files that users want.
Bringing out the classical algorithms such as Apriori, the algorithms of
finding association rules without arising subsets (candidates) which base on FP-
Tree Structure...etc in using association rules to analyse any database.
Analysing database and installing Apriori Algorithms to apply partly to
Sales Management Task in supermarket.
The project has 3 chapters, with main content as follows:
Chapter I: Overview of data mining. The contents of this chapter which
will be presented consist of: Data Mining and Knowledge Discovery in database,
the advantages of data mining? Techniques of data mining, main task of data
mining, methods of data mining, application of data mining and some challenges
which are set up for data mining.
Chapter II: Frequent- Itemset and Association Rules. This chapter’s
content includes in: some concepts, basic property of Frequent- Itemset and
Association Rules, searching for Frequent- Itemset, some basic algorithms of
Association Rules, some examples which illustrates algorithms.
Chapter III: How to install and test The Algorithms of finding Frequent
Itemset and Association Rules. They are: Analysing one database, presenting the
way to install program “ Exploiting Frequent Itemset in Sales Management in
supermarket”. Sales Manager bases on this result to know gather of related product
to statisfy the purpose of management and choice products to do bussiness.

5
 MỤC LỤC
NHẬN XÉT CỦA GIẢNG VIÊN HƯỚNG DẪN................................................................1
LỜI NÓI ĐẦU.......................................................................................................................2
TÓM TẮT ĐỒ ÁN.................................................................................................................4
SUMMARY OF THE PROJECT.........................................................................................5
DANH SÁCH BẢNG BIỂU.................................................................................................9
DANH SÁCH CÁC TỪ VIẾT TẮT....................................................................................10

..............................................................................................................................................11
MỞ ĐẦU..............................................................................................................................12
Chương I: TỔNG QUAN VỀ KHAI PHÁI DỮ LIỆU......................................................13
1.1. Đặt vấn đề...........................................................................................................................13
1.2. Khai phá dữ liệu và phát hiện tri thức..............................................................................14
1.3. Quá trình phát hiện tri thức từ cơ sở dữ liệu...................................................................14
1.3.1. Xác định bài toán...........................................................................................................................15
1.3.2. Thu thập và tiền xử lý....................................................................................................................15
1.3.2.1. Gom dữ liệu............................................................................................................................16
1.3.2.2. Chọn lọc dữ liệu.....................................................................................................................16
1.3.2.3. Làm sạch................................................................................................................................16
1.3.2.4. Làm giàu dữ liệu....................................................................................................................17
1.3.2.5. Mã hoá dữ liệu........................................................................................................................17
1.3.2.6. Đánh giá và trình diễn............................................................................................................17
1.3.3. Khai phá dữ liệu.............................................................................................................................18
1.3.4. Phát biểu và đánh giá kết quả.........................................................................................................18
1.3.5. Sử dụng tri thức đã phát hiện.........................................................................................................18
1.4. Khai phá dữ liệu có những lợi ích gì.................................................................................18
1.5. Các kỹ thuật khai phá dữ liệu...........................................................................................19
1.5.1. Kỹ thuật khai phá dữ liệu mô tả.....................................................................................................19
1.5.2. Kỹ thuật khai phá dữ liệu dự đoán.................................................................................................19
1.6. Nhiêm vụ chính của khai phá dữ liệu...............................................................................19
1.6.1. Phân lớp (Classification)................................................................................................................20
1.6.2. Hồi quy (Regression).....................................................................................................................20
1.6.3. Gom nhóm (Clustering).................................................................................................................20
1.6.4. Tổng hợp (Summarization)...........................................................................................................20
1.6.5. Mô hình ràng buộc (Dependency modeling).................................................................................20
1.6.6. Dò tìm biến đổi và độ lệch (Change and Deviation Dectection)...................................................21
1.7. Các phương pháp khai phá dữ liệu...................................................................................21
1.7.1. Các thành phần của giải thuật khai phá dữ liệu.............................................................................21
1.7.2. Một số phương pháp khai thác dữ liệu phổ biến............................................................................22
1.7.2.1. Phương pháp quy nạp (Induction)..........................................................................................22
1.7.2.2. Cây quyết định và luật............................................................................................................22
1.7.2.3. Phát hiện các luật kết hợp.......................................................................................................22
1.7.2.4. Mạng Neuron.........................................................................................................................23
1.7.2.5. Giải thuật di truyền.................................................................................................................24

6
 1.8. Ứng dụng của khai phá dữ liệu.........................................................................................24
1.9. Một số thách thức đặt ra cho việc khai phá dữ liệu.........................................................25
Chương II: TẬP PHỔ BIẾN VÀ LUẬT KẾT HỢP..........................................................27
2.1. Mở đầu................................................................................................................................27
2.2. Các khái niệm cơ bản.........................................................................................................27
2.2.1. Định nghĩa 2. 2.1: Ngữ cảnh khai phá dữ liệu...............................................................................27
2.2.2. Định nghĩa 2. 2. 2: Các kết nối Galois...........................................................................................27
2.2.3. Định nghĩa 2.2.3: Độ hỗ trợ (Support)...........................................................................................27
2.2.4. Định nghĩa 2 2.4: Độ tin cậy ( Confidence)...................................................................................28
2.2.4.1. Tính chất 2. 2.4.1: Hỗ trợ của tập con....................................................................................28
2.2.4.2. Tính chất 2.2.4.2.....................................................................................................................28
2.2.4.3. Tính chất 2.2.4.3.....................................................................................................................28
2.2.4.4. Tính chất 2. 2.4.4....................................................................................................................28
2.2.5. Định nghĩa 2.2.5: Tập mặt hàng phổ biến......................................................................................29
2.2.6. Định nghĩa 2.2.6: Luật kết hợp......................................................................................................29
2.2.6.1. Tính chất 2.2.6.1: Luật kết hợp không có hợp thành.............................................................29
2.2.6.2. Tính chất 2.2.6.2: Luật kết hợp không có tính tách................................................................29
2.2.6.3. Tính chất 2.2.6.3: Luật kết hợp không có tính bắc cầu..........................................................30
2.2.6.4. Tính chất 2.2.6.4 ....................................................................................................................30
2.3. Tìm tập phổ biến................................................................................................................30
2.3.1. Một số khái niệm............................................................................................................................30
2.3.2. Thuật toán Apriori..........................................................................................................................31
2.3.2.1. Mô tả thuật toán.....................................................................................................................31
2.3.2.2. Ví dụ minh hoạ cho thuật toán Apriori..................................................................................33
2.3.2.3. Procedure-Code.....................................................................................................................34
2.3.2.4. Tạo tập ứng viên (k+1)- hạng mục.........................................................................................35
2.4. Tìm luật kết hợp.................................................................................................................36
2.4.1. Phát biểu bài toán khai phá luật kết hợp........................................................................................36
2.4.2. Phát triển giải pháp hiệu quả trong khai thác luật kết hợp.............................................................38
2.5. Quy trình khai thác luật kết hợp.......................................................................................40
2.6. Một số thuật toán khác......................................................................................................40
2.6.1. Thuật toán khai phá song song cho luật kết hợp mờ......................................................................40
2.6.2. Thuật toán FP-Growth...................................................................................................................42
2.6.2.1 Bản chất...................................................................................................................................42
2.6.2.2. Qui trình.................................................................................................................................42
2.6.2.3. Thuật toán FP_Growth...........................................................................................................51
Chương III: CÀI ĐẶT VÀ THỬ NGHIỆM THUẬT TOÁN TÌM TẬP PHỔ BIẾN VÀ
LUẬT KẾT HỢP.................................................................................................................52
3.1. Phát biểu bài toán...............................................................................................................52
3.2. Lựa chọn thuật toán để cài đặt phần mềm.......................................................................52
3.3. Yêu cầu khi cài đặt thuật toán...........................................................................................52
3.4. Cơ sở dữ liệu.......................................................................................................................53
3.4.1. Giao diện chính của cơ sở dữ liệu..................................................................................................53
3.4.2. Bảng danh mục các Nhà cung cấp hàng hóa..................................................................................54
3.4.3. Bảng danh mục các Hàng Hoá.......................................................................................................55
3.4.4. Bảng danh mục các Khách Hàng...................................................................................................56
3.4.5. Bảng danh mục các Hoá Đơn.........................................................................................................57
3.4.6. Bảng danh mục chi tiết Hoá Đơn...................................................................................................58
3.4.7. Ghi XML........................................................................................................................................59
3.5. Giao diện chính chương trình............................................................................................59

7
 3.6. Kết nối dữ liệu....................................................................................................................60
3.7. Thêm dư liệu Xml..............................................................................................................60
3.8. Kết quả phân tích...............................................................................................................61
3.9. Kết quả lọc MinSup = 10...................................................................................................61
3.10. Kết quả lọc MinCon = 40%.............................................................................................62
KẾT LUẬN CHUNG..........................................................................................................63
HƯỚNG PHÁT TRIỂN ĐỀ TÀI........................................................................................64
TÀI LIỆU THAM KHẢO...................................................................................................65
BẢNG ĐỐI CHIẾU THUẬT NGỮ VIỆT - ANH.............................................................66

DANH SÁCH HÌNH VẼ

Hình 1.1. Quá trình phát hiện tri thức từ cơ sở dữ liệu....................................................14
Hình 1.2. Quá trình phát hiện tri thức ..............................................................................15
Hình 1.3: Mô hình lợi ích của khai phá dữ liệu................................................................19
Hình 1.4.Thể hiện sơ đồ khai phá dữ liệu bằng mạng Neunon.......................................24
Hình 2.5. Minh họa luật kết hợp không có tính tách........................................................30
Hình 3.1. Giao diện chính của cơ sở dữ liệu.....................................................................53
Hình 3.2. Danh mục nhà cung cấp....................................................................................54
Hình 3.3. Danh mục hàng hóa...........................................................................................55
Hinh 3.4.Danh mục khách hàng........................................................................................56
Hình 3.5. Danh mục hóa đơn.............................................................................................57
Hình 3.6. Danh mục chi tiết hóa đơn.................................................................................58
Hình 3.7. Ghi XML.............................................................................................................59

8
Hình 3.8. Giao diện chính của chương trình....................................................................59
Hình 3.9. Kết nối dữ liệu....................................................................................................60
Hình 3.10. Thêm dư liệu XML .........................................................................................60
Hình 3.11. Kết quả phân tích.............................................................................................61
Hình 3.12. Kết quả lọc độ phổ biến tối thiểu.....................................................................61
Hình 3.13. Kết quả lọc độ tin cậy.......................................................................................62

DANH SÁCH BẢNG BIỂU

Bảng 2.1. CSDL sử dụng minh hoạ thuật toán Apriori....................................................33
Bảng 2. 2. Kết quả thực hiện thuật toán Aprori cho CSDL D..........................................34
Bảng 2. 3. Ví dụ về một CSDL giao dịch – D.....................................................................37
Bảng 2.4. Tập mục thường xuyên Minsup = 50%.............................................................37
Bảng 2.5. Luật kết hợp sinh từ tập mục phổ biến ABE....................................................38
Bảng 2.6. Cây FP................................................................................................................43
Bảng 2.7. Cây FP................................................................................................................43
Bảng 2.8. Cây FP................................................................................................................44
Bảng 2.9. Cây FP................................................................................................................45
Bảng 2.10. Cây FP..............................................................................................................46
Bảng 2.11. Cây FP..............................................................................................................48
Bảng 2.12. Cây FP..............................................................................................................48
Bảng 2.13. Cây FP..............................................................................................................49

9
Bảng 2.14.Cơ sở dữ liệu......................................................................................................50

DANH SÁCH CÁC TỪ VIẾT TẮT

Từ viết tắt Diễn giải
KDD Phát hiện tri thức trong cơ sở dữ liệu
DL Dữ liệu
CSDL Cơ sở dữ liệu
KPDL Khai phá dữ liệu
NCKPDL Ngữ cảnh khai phá dữ liệu
LKH Luật kết hợp

10
11
 MỞ ĐẦU
Sự phát triển của công nghệ thông tin và việc ứng dụng công nghệ thông tin
trong nhiều lĩnh vực của đời sống, kinh tế xã hội trong nhiều năm qua cũng đồng
nghĩa với lượng dữ liệu đã được các cơ quan thu thập và lưu trữ ngày một nhiều lên.
Họ lưu trữ các dữ liệu này vì cho rằng trong nó ẩn 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.
Các phương pháp quản trị và khai thác cơ sở dữ liệu truyền thống không đáp ứng
được kỳ vọng này, nên đã ra đời Kỹ thuật phát hiện tri thức và khai phá dữ liệu
(KDD - Knowledge Discovery and Data Mining).
Kỹ thuật phát hiện tri thức và khai phá dữ liệu đã và đang được nghiên cứu,
ứng dụng trong nhiều lĩnh vực khác nhau ở các nước trên thế giới, tại Việt Nam kỹ
thuật này tương đối còn mới mẻ tuy nhiên cũng đang được nghiên cứu và dần đưa
vào ứng dụng.
Hiện nay có rất nhiều phương pháp để kinh doanh cũng như có rất nhiều
phần mềm để quản lý việc kinh doanh đó. Ví dụ như phần mềm quản lý bán hàng
tại thị siêu bằng Fox, C#, VB,...Tuy nhiên đề tài này chúng em không xây dựng một
phần mềm quản lý bán hàng tại thị siêu hoàn chỉnh mà chỉ tìm hiểu và cài đặt một
khía cạnh nhỏ trong bài toán Quản lý bán hàng tại siêu thị . Đó là phân tích dữ liệu
bằng luật kết hợp trong quá trình tìm hiểu các mặt hàng có liên quan tới nhau như
thế nào? Giúp cho nhà quản lý tìm hiểu, phân tích để lựa chọn các mặt hàng kinh
doanh tốt hơn.
Trong phạm vi của đề tài nghiên cứu này, chúng em xin được trình bày:
Những kiến thức về khai phá dữ liệu sử dụng luật kết hợp. Đây là dạng luật
kết hợp tương đối đơn giản nhưng tính hiệu quả cao, giúp tìm ra được những luật
“quý hiếm”.
Đưa ra các định nghĩa, tính chất và một số thuật toán cơ bản thường được áp
dụng trong quá trình tìm luật kết hợp của một cơ sở dữ liệu.
Phân tích và cài đặt thuật toán Apriori áp dụng vào một phần nhỏ trong bài
toán Quản lý bán hàng tại siêu thị .

12
 Chương I: TỔNG QUAN VỀ KHAI PHÁI DỮ LIỆU
1.1. Đặt vấn đề
Trong kỉ nguyên Internet, Intranets, Warehouses, đã mở ra nhiều cơ hội cho
những nhà doanh nghiệp trong việc thu thập và xử lý thông tin. Hơn nữa, các công
nghệ lưu trữ và phục hồi dữ liệu phát triển một cách nhanh chóng vì thế cơ sở dữ
liệu ở các cơ quan, doanh nghiệp, đơn vị ngày càng nhiều thông tin tiềm ẩn phong
phú và đa dạng.
Cơ sở dữ liệu trong các doanh nghiệp thì dữ liệu giao dịch đóng một vai trò
rất quan trọng cho việc hoạch định kế hoạch kinh doanh trên thương trường vào
những năm tiếp theo. Hiện tại, việc sử dụng các dữ liệu này tuy đã đạt được một số
kết quả nhất định song vẫn còn một số vấn đề tồn đọng như:
- Dựa hoàn toàn vào dữ liệu, không sử dụng tri thức có sẳn về lĩnh vực, kết
quả phân tích khó có thể làm rõ được.
- Phải có sự hướng dẫn của người dùng để xác định phân tích dữ liệu như thế
nào và ở đâu.
Trong điều kiện và yêu cầu của xã hội, đòi hỏi phải có những phương pháp
nhanh, phù hợp, tự động, chính xác và có hiệu quả để lấy được thông tin có giá trị.
Các tri thức chiết xuất được từ cơ sở dữ liệu trên sẽ là một nguồn tài liệu hỗ trợ cho
lãnh đạo trong việc lên kế hoạch hoạt động hoặc trong việc ra quyết định sản xuất
kinh doanh. Vì vậy, tính ứng dụng của khai phá dữ liệu bằng luật kết hợp từ cơ sở
dữ liệu giao dịch là một vấn đề đang được quan tâm đặc biệt trong xã hội hiện nay.
Mục đích của việc nghiên cứu là xây dựng một giải pháp hiệu quả tính ứng
dụng luật kết hợp trong việc ra quyết định của cơ quan doanh nghiệp dựa trên cơ sở
dữ liệu giao dịch.
Sự phát triển nhanh chóng các ứng dụng công nghệ thông tin và Internet vào
nhiều lĩnh vực đời sống xã hội, quản lý kinh tế, khoa học kỹ thuật,... Đã tạo ra nhiều
cơ sở dữ liệu khổng lồ ví dụ như cơ sở dữ liệu bán hàng của một siêu thị chứa hàng
nghìn giao tác bán hàng; hay cơ sở dữ liệu của một hệ thống thông tin về khách
hàng trong một ngân hàng,... Để khai phá hiệu quả nguồn thông tin từ các cơ sở dữ
liệu lớn hỗ trợ tiến trình ra quyết định, bên cạnh các phương pháp khai thác thông
tin truyền thống, các nhà nghiên cứu đã phát triển các phương pháp, kỹ thuật và
phần mềm mới hỗ trợ tiến trình khai phá, phân tích tổng hợp thông tin.
Có rất nhiều kỹ thuật khai phá dữ liệu khác nhau tuân theo các bước quá
trình phát hiện tri thức, để giải quyết các nhiệm vụ để khai phá dữ liệu. Sau đây
chúng em sẽ lần lượt trình bày những vẫn đề đã nêu ra.

13
1.2. Khai phá dữ liệu và phát hiện tri thức
Yếu tố thành công trong mọi hoạt động kinh doanh ngày nay là việc biết sử
dụng thông tin có hiệu quả. Điều đó có nghĩa là từ các dữ liệu có sẵn phải tìm ra
những thông tin tiềm ẩn mà trước đó chưa được phát hiện, tìm ra những xu hướng
phát triển và những yếu tố tác động lên chúng. Thực hiện công việc đó chính là quá
trình phát hiện tri thức trong cơ sở dữ liệu mà trong đó kỹ thuật cho phép ta lấy
được các tri thức chính ra từ kỹ thuật khai phá dữ liệu.
Nếu quan niệm tri thức là mối quan hệ của các mẫu giữa các phần tử dữ liệu
thì quá trình phát hiện tri thức chỉ toàn bộ quá trình triết xuất tri thức từ cơ sở dữ
liệu, trong đó trải qua nhiều giai đoạn khác nhau như: Tìm hiểu và phát hiện vẫn đề,
thu thập và tiền xử lý dữ liệu, phát hiện tri thức, minh hoạ và đánh giá tri thức đã
phát hiện và đưa kết quả vào thực tế.
Khai phá dữ liệu có những điểm khác nhau về mặt ngữ nghĩa so với phát
hiện tri thức từ cơ sở dữ liệu nhưng thực tế ta thấy khai phá dữ liệu là chỉ một
giai đoạn phát hiện tri thức trong một chuỗi các giai đoạn quá trình phát hiện tri
thức trong cơ sở dữ liệu. Tuy nhiên đây là giai đoạn đóng vai trò chủ chốt và là
giai đoạn chính tạo nên tính đa ngành của phát hiện tri thức trong cơ sở dữ liệu.
1.3. Quá trình phát hiện tri thức từ cơ sở dữ liệu
Phát hiện tri thức từ cơ sở dữ liệu là một quá trình có sử dụng nhiều phương
pháp và công cụ tin học nhưng vẫn là một quá trình mà trong đó con người làm
trung tâm. Do đó nó không phải là một hệ thống phân tích tự động mà là một hệ
thống bao gồm nhiều hoạt động tương tác thường xuyên giữa con người và cơ sở dữ
liệu, tất nhiên là với sự hỗ trợ của các công cụ tin học.
Xác định bài toán

Thu thập và tiền xử lý dữ

liệu

Khai phá dữ liệu triết xuất

tri thức

Phát biểu kết quả và đánh

giá triết xuất tri thức

Sử dụng tri thức và phát

hiện được triết xuất tri thức

Hình 1.1. Quá trình phát hiện tri thức từ cơ sở dữ liệu

Mặc dù có 5 giai đoạn như trên( hình 1.1) xong quá trình phát hiện tri thức từ cơ
sở dữ liệu là 1 quá trình tương tác và lặp đi lặp lại theo kiểu xoắn chôn ốc, trong đó

14
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 trứng
mang tính chất học của quá trình phát hiện trí thức và là phương pháp luận trong
viện phát hiện tri thức. Các giai đoạn đó sẽ được trình bày cụ thể như sau:
1.3.1. Xác định bài toán
Đây là một quá trình mang tính định hình 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 cơ
sở dữ liệu được chuyên môn hoá và phân chia theo các lĩnh vực khác nhau như: Sản
phẩm, kinh doanh, tài chính, v.v.Với mỗi tri thức phát hiện được có thể có giá trị
trong lĩnh vực này nhưng lại không mang nhiều ý nghĩa với một lĩnh vực khác. Vì
vậy 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.
1.3.2. Thu thập và tiền xử lý
Các 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
cơ sở dữ liệu. Có thể nói giai đoạn này chiếm từ 70%-80% giá thành trong toàn bộ
bài toán.
Người ta chia giai đoạn và tiền xử lý dữ liệu như: Gom dữ liệu, chọn dữ liệu,
làm sạch, mã hoá dữ liệu, làm giàu, đánh giá và trình diễn dữ liệu. Các công đoạn
này được thực hiện theo trình tự nhất định cụ thể như sau:
Đánh giá & trình diễn

Mã hoá DL

Làm giàu DL

Làm sạch DL
Knowledge
Chọn lọc DL
Pattern
Gom DL
Discovery
Transforme
Cleansed d Data
Preprocessed
Internet,.. Target Preparated
.
Data Data

Hình 1.2. Quá trình phát hiện tri thức

15
 1.3.2.1. Gom dữ liệu
Tập hợp dữ liệu là bước đầu tiên trong quá trình khai phá dữ liệu. Đây là
bước được khai thác trong một cơ sở dữ liệu, một kho dữ liệu và thậm chí các dữ
liệu từ các nguồn ứng dụng Web.
1.3.2.2. Chọn lọc dữ liệu
Ở giai đoạn này dữ liệu được lựa chọn hoặc phân chia theo một số tiêu chuẩn
nào đó. Đây là giai đoạn chọn lọc, trích rút các dữ liệu cần thiết tứ cơ sở dữ liệu tác
nghiệp vào một cơ sở dữ liệu riêng. Chúng ta chọn ra những dữ liệu cần thiết cho
các giai đoạn sau. Tuy nhiên công việc thu gom dữ liệu vào một cơ sở dữ liệu
thường rất kho khăn vì dữ liệu nằm rải rác khắp nơi trong cơ quan, tổ chức cùng
một loại thông tin, nhưng được tạo lập theo các dạng hình thức khác nhau. Ví dụ
nơi này dùng kiểu chuỗi, nơi kia lại dùng kiểu số để khai báo một thuộc tính nào đó
của khách hàng. Đồng thời chất lượng dữ liệu của các nơi cũng không giống nhau.
Vì vậy chúng ta cần chọn lọc dữ liệu thật tốt để chuyển sang giai đoạn tiếp theo
1.3.2.3. Làm sạch
Giai đoan thứ ba này là giai đoạn hay bị sao lãng, nhưng thực tế nó là một
bước rất quan trọng trong quá trình khai phá dữ liệu. Một số lỗi thường mắc phải
trong khi gom dữ liệu là tính không đủ chặt chẻ, logíc. Vì vậy, dữ liệu thường chứa
các giá trị vô nghĩa và không có khả năng kết nối dữ liệu. Giai đoạn này sẽ tiến
hành xử lý những dạng dữ liệu không chặt chẽ nói trên. Những dữ liệu dạng này
được xem như thông tin dư thừa, không có giá trị. Bởi vậy, đây là một quá trình rất
quan trọng vì dữ liệu này nếu không được “làm sạch - tiền xử lý - chuẩn bị trước”
thì sẽ gây nên những kết quả sai lệch nghiệm trọng.
Giai đoạn này thực hiện một số chức năng sau:
- Điều hoà dữ liệu: Công việc này nhằm giảm bớt tính không nhất quán dữ
liệu lấy từ nhiều nguồn khác nhau. Phương pháp thông thường là khử các trường
hợp trùng lặp dữ liệu và thống nhất các ký hiệu. Ví dụ một khách hàng có thể có
nhiều bản ghi do việc nhập sai tên hoặc do quá trình thay đổi một số thông tin cá
nhân gây ra và tạo ra sự nhầm lẫn là có nhiều khách hàng.
- Xử lý các giá trị khuyết: Tính không đầy đủ của dữ liệu có thế gây ra
hiện tượng dữ liệu chứa các giá trị khuyết. Đây là hiện tượng khá phổ biến.
Người ta sử dụng nhiều phương pháp khác nhau để xứ lý các giá trị khuyết như:
Bỏ qua các bộ có giá trị khuyết, điểm bổ sung bằng tay, dùng một hằng chung để
bổ sung vào giá trị khuyết, dùng giá trị trung bình của mọi bản ghi trên thuộc
tinh khuyết, dùng giá trị trung bình của mọi bản ghi cùng lớp hoặc dùng các giá
trị mà tần suất xuất hiện lớn nhất.

16
 - Xử lý nhiễu và các ngoại lệ: Thông thường nhiễu dữ liệu có thể là nhiễu
ngẫu nhiên hoặc các giá trị bất bình thường. Để làm sạch nhiễu, người ta có thể
sử dụng phương pháp làm trơn nhiễu hoặc dùng các giải thuật phát hiện ra các
ngoại lệ để xử lý.
1.3.2.4. Làm giàu dữ liệu
Mục đích của giai đoạn này là bổ sung thêm nhiều loại thông tin có liên
quan vào cơ sở dữ liệu gốc. Để làm được điêu này, chúng ta phải có các cơ sở dữ
liệu khác ở bên ngoài có liên quan tới cơ sở dữ liệu gốc ban đầu. Ta tiến hành bổ
sung những thông tin cần thiết, làm tăng khả năng khám phá tri thức.
Đây là bước mang tính tư duy trong khai phá dữ liệu.Ở giai đoạn này
nhiều thuật toán khác nhau đã được sử dụng để trích ra các mẫu từ dữ liệu. Thuật
toán thường dùng là nguyên tắc phân loại, nguyên tắc kết hợp hoặc các mô hình
dữ liệu tuần tự, v. v.
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 thông 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.
1.3.2.5. Mã hoá dữ liệu
Tiếp theo là giai đoạn chuyển đổi dữ liệu, dữ liệu đưa ra có thể sử dụng và
điều khiển được bởi việc tổ chức lại nó. Dữ liệu đã được chuyển đổi phù hợp với
mục đích khai thác. Mục đích của giai đoạn này là chuyển đổi kiểu dữ liệu về những
dạng thuật tiện để tiến hành các thuật toán khám phá dữ liệu. Có nhiều cách mã hoá
dữ liệu như:
- Phân vùng: Dữ liệu là giá trị chuỗi, nằm trong các tập các chuỗi cố đinh.
- Biến đổi giá trị năm thành con số nguyên là số năm đã trôi qua so với năm
hiện hành.
- Chia giá trị số theo một hệ số để tập các giá trị nằm trong vùng nhỏ hơn.
- Chuyển đổi Yes-No thành 0-1.
1.3.2.6. Đánh giá và trình diễn
Đây là giai đoạn cuối trong quá trình khai phá dữ liệu.Ở giai đoạn này, các
mẫu dữ liệu được chiết xuất ra bởi phần mềm khai phá dữ liệu. Không phải bất cứ
mẫu dữ liệu nào cũng đều hữu ích, đôi khi nó còn bị sai lệch. Vì vậy, cần phải ưu
tiên những tiêu chuẩn đánh giá để chiết xuất ra các tri thức cần chiết xuất ra.
Trên đây là 6 giai đoạn trong quá trình khai phá dữ liệu.

17
 1.3.3. Khai phá dữ liệu
Giai đoạn khai thác dữ liệu được bắt đầu sau khi dữ liệu đã được thu thập và
tiến hành xử lý. Trong giai đoạn này, công việc chủ yếu là xác định được bài toán
khai phá dữ liệu, tiến hành lựa chọn các phương pháp khai thác phù hợp với dữ liệu
có được và tách ta các tri thức cần thiết.
Là giai đoạn thiết yếu, trong đó các phương pháp thông minh sẽ được áp
dụng để trích xuất ra các mẩu dữ liệu.
1.3.4. Phát biểu và đánh giá kết quả
Các tri thức phát hiện từ cơ sở dữ liệu cần được tổng hợp dưới dạng các báo
cáo phục vụ cho các mục đích hỗ trợ các quyết định khác nhau.
Do nhiều phương pháp khai thác có thể được áp dụng nên các kết quả có mức
độ tốt, xấu khác nhau. Việc đánh giá các kết quả thu được là cần thiêt, Các tri thức phát
hiện từ cơ sở dữ liệu cần được tổng hợp dưới dạng các báo cáo phục vụ cho các mục
đích hỗ trợ các quyết định khác nhau.
Do nhiều phương pháp khai thác có thể được áp dụng nên các kết quả có mức
độ tốt, xấu khác nhau. Việc đánh giá các kết quả thu được là cần thiêt, 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 hoc.
1.3.5. Sử dụng tri thức đã phát hiện
Củng cố, tinh chế các tri thức đã được phát hiện. Kết hợp các tri thức thành
hệ thống. Giải quyết các xung đột tiềm tàng trong tri thức khai thác được. Sau đó tri
thức được chuẩn bị sẵn sàng cho ứng dụng.
Các kết quả của quá trình phát hiện tri thức có thể được đưa vào ứng dụng
trong những lĩnh vực khác nhau. Do 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 hoá
quá trình này.
1.4. Khai phá dữ liệu có những lợi ích gì
- Cung cấp tri thức hỗ trợ ra quyết định.
- Dự báo.
- Khái quát dữ liệu.
Hình 1.3 Là một mô hình thể hiện lợi ích của KPDL trong việc phân tích và
ra quyết định cho việc ra tiếp thị của một loại sản phẩm nào đó

18
 Tiếp thị

CSDL
Tiếp thị

KDD &
Nhà kho dữ liệu Data Mining

Hình 1.3: Mô hình lợi ích của khai phá dữ liệu

1.5. Các kỹ thuật khai phá dữ liệu
Kỹ thuật khai phá dữ liệu thường được chia làm 2 nhóm chính:
1.5.1. Kỹ thuật khai phá dữ liệu mô tả
Có nhiệm vụ mô tả về các tính chất hoặc các đặc tính chung của dữ liệu
trong CSDL hiện có. Các kỹ thuật này gồm có: Phân cụm (clustering), tóm tắt
(summerization), trực quan hoá (visualiztion), phân tích sự phát triển và độ lệch
(Evolution and deviation analyst), phân tích luật kết hợp (association rules).v.v.
1.5.2. Kỹ thuật khai phá 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 (regression)…
1.6. Nhiêm vụ chính của khai phá dữ liệu
Rõ ràng rằng mục đích của khai phá dữ liệu là các tri thức chiết xuất được sẽ
được sử dụng cho lợi ích cạnh tranh trên thương trường và các lợi ích trong nghiên
cứu khoa học.
Do đó, ta có thể coi mục đích chính của khai thác dữ liệu sẽ là mô tả và dự
đoán. Các mẫu mà khai phá dữ liệu phát hiện được nhằm vào mục đích này.
Dự đoán liên quan đến việc sử dụng các biến hoặc các trường trong cơ sở dữ
liệu để chiết xuất ra các mẫu là các dự đoán những giá trị chưa biết hoặc những giá
trị trong tương lai của các biến đáng quan tâm.
Mô tả tập trung vào việc tìm kiếm các mẫu mô tả dữ liệu mà con người có
thể hiểu được.
Để đạt được hai mục đích này, nhiệm vụ chính của khai phá dữ liệu là:
- Phân lớp (Classification).
- Hồi qui (Regression).
- Gom nhóm (Clustering).

19
 - Tổng hợp (Summarization).
- Mô hình ràng buộc (Dependency modeling).
- Dò tìm biến đổi và độ lệch (Change and Deviation Dectection).
1.6.1. Phân lớp (Classification)
Phân lớp là việc phân loại một mẫu dữ liệu vào một trong số các lớp đã xác
định.
Mục tiêu của thuật toán phân lớp là tìm ra các mối quan hệ nào đó giữa các
thuộc tính dự báo và thuộc tính phân lớp, từ đó sử dụng mối quan hệ này để dự báo
lớp cho các bộ dữ liệu mới khác cùng khuông dạng.
1.6.2. Hồi quy (Regression)
Hồi quy là việc l ọc một hàm ánh xạ từ một mẫu 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,
ví dụ như biết các phép đo vi sóng từ xa, đánh giá khả năng tử vong của bệnh nhân
biết các kết quả xét nghiệm chẩn đoán, dự đoán nhu cầu tiêu thụ một sản phẩm mới
bằng một hàm chỉ tiêu quảng cáo, v. v.
1.6.3. Gom nhóm (Clustering)
Là việc mô tả chung để tìm ra các tập xác định các nhóm hay các loại để mô tả
dữ liệu. Các nhóm có thể tách riêng nhau hoặc phân cấp hoặc gối lên nhau. Có nghĩa là
một dữ liệu có thể vừa thuộc nhóm này, vừa thuộc nhóm kia. Các ứng dụng khai phá
dữ liệu có nhiệm vụ gom nhóm như: Phát hiện tập các khách hàng có phản ứng giống
nhau trong cơ sở dữ liệu tiếp thị, xác định các loại quang phổ từ các phương pháp đo
tia hồng ngoại.
1.6.4. Tổng hợp (Summarization)
Nhiệm vụ tổng hợp là việc sản sinh ra các mô tả đặc trưng cho một lớp. Các
mô tả này là một kiểu tổng hợp, tóm tắt mô tả các đặc tính chung của tất cả các bộ
dữ liệu dạng giỏ mua hàng thuộc một lớp.
Các mô tả đặc trưng thể hiện dưới dạng các luật thường có khuôn dạng:
“Nếu một bộ dữ liệu thuộc về một lớp đã chỉ ra trong tiền đề, thì bộ dữ liệu đó có tất
cả các thuộc tính đã nêu trong kết luận”. Những luật này có những đặc trưng khác
biệt so với các luật phân lớp. Luật phát hiện đặc trưng cho một lớp chỉ được sản
sinh khi các bộ dữ liệu thuộc về lớp đó.
1.6.5. Mô hình ràng buộc (Dependency modeling)
Bao gồm việc tìm kiếm một mô hình mô tả sự phụ thuộc đáng kể giữa các
biến. Các mô hình phụ thuộc tồn tại dưới hai mức: Mức cấu trúc của mô hình xác
định các biến nào là phụ thuộc cục bộ với nhau, mức định lượng của một mô hình
xác định độ mạnh của sự phụ thuộc theo một thước đo nào đó.

20
 1.6.6. Dò tìm biến đổi và độ lệch (Change and Deviation Dectection)
Tập trung vào khai thác những thay đổi đáng kể nhất trong dữ liệu từ các
giá trị chuẩn hoặc được đo trước đó.
Vì các nhiệm vụ khác nhau này yêu cầu số lượng và các dạng thông tin rất
khác nhau nên chúng thường ảnh hưởng đến việc thiết kế và chọn giải thuật khai
phá dữ liệu khác nhau. Ví dụ như giải thuật tạo cây quyết định tạo ra được một mô
tả phân biệt được các mẫu giữa các lớp nhưng không có các tính chất và đặc điểm
của lớp.
1.7. Các phương pháp khai phá dữ liệu
Quá trình khai phá dữ liệu là quá trình phát hiện mẫu, trong đó, giải thuật
khai phá dữ liệu tìm kiếm các mẫu đáng quan tâm theo dạng xác định như các luật,
cây phân lớp, hồi quy, gom nhóm, v. v.
1.7.1. Các thành phần của giải thuật khai phá dữ liệu
Giải thuật khai phá dữ liệu bao gồm 3 thành phần chính như sau: biểu
diễn mô hình, đánh giá mô hình, tìm kiếm mô hình.
• Biểu diễn mô hình: Mô hình được biểu diễn bằng một ngôn ngữ L để
mô tả các mẫu có thể khai thác được. Tức là người phân tích dữ liệu cần phải hiểu
đầy đủ các giả thiết mô tả và cần phải diễn tả được các giả thiết mô tả nào được tạo
ra bởi giải thuật. Mô hình đó sẽ được đánh giá bằng cách đưa các dữ liệu thử vào
mô hình và thay đổi lại các tham số cho phù hợp nếu cần.
• Đánh giá mô hình: Đánh giá xem một mẫu có đáp ứng được các tiêu
chuẩn của quá trình phát hiện tri thức hay không. Việc đánh giá độ chính xác dự
đoán dựa trên đánh giá chéo (Cross Validation). Đánh giá chất lượng mô tả liên
quan đến độ chính xác dự đoán, độ mới, khả năng sử dụng, khả năng hiểu được của
mô hình. Cả hai chuẩn thống kê và chuẩn logic đều có thể được sử dụng để đánh giá
mô hình.
• Phương pháp tìm kiếm: Phương pháp tìm kiếm bao gồm hai thành
phần: tìm kiếm tham số và tìm kiếm mô hình.
- Tìm kiếm tham số: Để tối ưu hóa các tiêu chuẩn đánh giá mô hình với
các dữ liệu quan sát được và với một mô tả mô hình đã định.
- Tìm kiếm mô hình: Xảy ra giống như một vòng lặp qua phương pháp
tìm kiếm tham số: Mô tả mô hình bị thay đổi tạo nên một họ các mô hình.
= > Với mỗi một mô tả mô hình, phương pháp tìm kiếm tham số được áp
dụng để đánh giá chất lượng mô hình. Các phương pháp tìm kiếm mô hình thường
sử dụng các kỹ thuật tìm kiếm heuristic vì kích thước của không gian các mô hình
có thể thường ngăn cản các tìm kiếm tổng thể, hơn nữa các giải pháp đơn giản
không dễ đạt được.

21
 1.7.2. Một số phương pháp khai thác dữ liệu phổ biến
1.7.2.1. Phương pháp quy nạp (Induction).
Một cơ sở dữ liệu là một kho thông tin nhưng các thông tin quan trọng
hơn cũng có thể được suy diễn từ kho thông tin đó. Có hai kỹ thuật chính để thực
hiện việc này là suy diễn và quy nạp.
• Phương pháp suy diễn: Nhằm rút ra thông tin là kết quả logic của các
thông tin trong cơ sở dữ liệu. Phương pháp suy diễn dựa trên các sự kiện chính xác
để suy ra các tri thức mới từ các thông tin cũ. Mẫu chiết xuất được bằng cách sử
dụng phương pháp này thường là các luật suy diễn.
• Phương pháp quy nạp: .Phương pháp quy nạp suy ra các thông tin được
sinh ra từ cơ sở dữ liệu. Có nghĩa là nó tự tìm kiếm, tạo mẫu và sinh ra tri thức chứ
không phải bắt đầu với các tri thức đã biết trước. Các thông tin mà phương pháp này
đem lại là các thông tin hay các tri thức cấp cao diễn tả về các đối tượng trong cơ sở dữ
liệu. Phương pháp này liên quan đến việc tìm kiếm các mẫu trong CSDL. Trong khai
phá dữ liệu, quy nạp được sử dụng trong cây quyết định và tạo luật.
1.7.2.2. Cây quyết định và luật
• Cây quyết định: Cây quyết định là một mô tả tri thức dạng đơn giản
nhằm phân các đối tượng dữ liệu thành một số lớp nhất định. Các nút của cây được
gán nhãn là tên các thuộc tính, các cạnh được gán các giá trị có thể của các thuộc
tính, các lá mô tả các lớp khác nhau. Các đối tượng được phân lớp theo các đường
đi trên cây, qua các cạnh tương ứng với các giá trị, thuộc tính của đối tượng tới lá.
• Tạo luật: Các luật được tạo ra nhằm suy diễn một số mẫu dữ liệu có ý
nghĩa về mặt thống kê. Các luật có dạng Nếu P thì Q, với P là mệnh đề đúng với
một phần trong CSDL, Q là mệnh đề dự đoán.
Cây quyết định và luật có ưu điểm là hình thức mô tả đơn giản, mô hình
suy diễn khá dễ hiểu đối với người sử dụng. Tuy nhiên, giới hạn của nó là mô tả cây
và luật chỉ có thể biểu diễn được một số dạng chức năng và vì vậy giới hạn về cả độ
chính xác của mô hình.
1.7.2.3. Phát hiện các luật kết hợp
Phương pháp này nhằm phát hiện ra các luật kết hợp giữa các thành phần
dữ liệu trong cơ sở dữ liệu. Mẫu đầu ra của giải thuật khai phá dữ liệu là tập luật kết
hợp tìm được. Ta có thể lấy một ví dụ đơn giản về luật kết hợp như sau: sự kết hợp
giữa hai thành phần A và B có nghĩa là sự xuất hiện của A trong bản ghi kéo theo sự
xuất hiện của B trong cùng bản ghi đó: A = > B.
Việc phát triển một thuật toán phải phát hiện luật này trong cơ sở dữ liệu
lớn là không khó. Tuy nhiên, vấn đề là ở chỗ có thể có rất nhiều luật kiểu này hoặc
là ta chỉ biết một tập nhỏ dữ liệu trong cơ sở dữ liệu lớn thoả mãn tiền đề của luật.

22
Ví dụ chỉ có số ít người mua sách tiếng anh mà mua thêm đĩa CD. Số lượng các luật
kết hợp trong một số cơ sở dữ liệu lớn gần như vô hạn. Do vậy thuật toán sẽ không
thể phát hiện hết các luật và không phân biệt được luật nào là thông tin thực sự có
giá trị và thú vị.
Vậy chúng ta đặt ra câu hỏi là luật kết hợp nào là thực sự có giá trị? Chẳng
hạn ta có luật: Âm nhạc, ngoại ngữ, thể thao = > CD, nghĩa là những người mua
sách âm nhạc, ngoại ngữ, thể thao thì cũng mua đĩa CD. Lúc đó ta quan tâm đến số
lượng trường hơp khách hàng thoả mãn luật này trong cơ sở dữ liệu hay độ hỗ trợ
cho luật này. Độ hỗ trợ cho luật chính là phần trăm số bản ghi có cả sách âm nhạc,
ngoại ngữ, thể thao và đĩa CD hay tất cả những người thích cả ba loại sách trên.
Tuy nhiên giá trị hỗ trợ là không đủ. Có thể có trường hợp ta có một nhóm
tương đối những người đọc cả ba loại sách trên nhưng lại có một nhóm với lượng lớn
hơn những người thích sách thể thao, âm nhạc, ngoại ngữ mà không thích mua đĩa CD.
Trong trường hợp này tính kết hợp rất yếu mặc dù độ hỗ trợ tương đối cao. Như vậy
chúng ta cần thêm một độ đo thứ hai đó là độ tin cây (Confidence). Độ tin cậy là ph ần
trăm các bản ghi có đĩa CD trong số các bản ghi có sách âm nhạc, thể thao, ngoại ngữ.
Nhiệm vụ của việc phát hiện các luật kết hợp là phải tìm tất cả các luật
dạng X => B sao cho tần số của luật không nhỏ hơn ngưỡng Minsup cho trước và
độ tin cậy của luật không nhỏ hơn ngưỡng Minconfi cho trước. Từ một cơ sở dữ
liệu ta có thể tìm được hàng nghìn và thậm chí hàng trăm nghìn các luật kết hợp.
1.7.2.4. Mạng Neuron
Mạng Neuron là tiếp cận tính toán mới liên quan tới việc phát triển cấu
trúc toán học và khả năng học. Các phương pháp là kết quả của việc nghiên cứu mô
hình học của hệ thống thần kinh con người.
Mạng Neuron có thể đưa ra ý nghĩa từ các dữ liệu phức tạp hoặc không
chính xác và có thể được sử dụng để chiết xuất các mẫu và phát hiện ra các xu
hướng quá phức tạp mà con người cũng như các kỹ thuật máy tính khác không thể
phát hiện được. Khi đề cập đến khai thác dữ liệu, người ta thường đề cập nhiều đến
mạng Neuron. Tuy mạng Neuron có một số hạn chế gây khó khăn trong việc áp
dụng và phát triển nhưng nó cũng có những ưu điểm đáng kể.

23
 Dữliệu

Môhìnhmạng
Neuron

Mẫuchiết xuất
được

Hình 1.4.Thể hiện sơ đồ khai phá dữ liệu bằng mạng Neunon.

Một trong số những ưu điểm phải kể đến của mạng Neuron là khả năng
tạo ra các mô hình dự đoán có độ chính xác cao, có thể áp dụng được cho rất nhiều
loại bài toán khác nhau, đáp ứng được nhiệm vụ đặt ra của khai phá dữ liệu như
phân lớp, gom nhóm, mô hình hóa, dự báo các sự kiện phụ thuộc vào thời gian, v.v.
1.7.2.5. Giải thuật di truyền
Giải thuật di truyền, nói theo nghĩa rộng là mô phỏng lại hệ thống tiến
hóa trong tự nhiên, chính xác hơn đó là giải thuật chỉ ra tập các cá thể được hình
thành, được ước lựợng và biến đổi như thế nào? Ví dụ như xác định xem làm thế
nào để lựa chọn các cá thể tạo giống và lựa chọn các cá thể nào sẽ bị loại bỏ. Giải
thuật cũng mô phỏng lại yếu tố gen trong nhiễm sắc thể sinh học trên máy tính để
có thể giải quyết nhiều bài toán thực tế khác nhau.
Giải thuật di truyền là một giải thuật tối ưu hóa. Nó được sử dụng rất
rộng rãi trong việc tối ưu hóa các kỹ thuật khai phá dữ liệu trong đó có kỹ thuật
mạng Neuron. Sự liên hệ của nó với các quá trình khai phá dữ liệu. Ví dụ như trong
kỹ thuật cây quyết định, tạo luật. Như đã đề cập ở phần trước, các luật mô hình hóa
dữ liệu chứa các tham số được xác định bởi các giải thuật phát hiện tri thức.
Giai đoạn tối ưu hóa là cần thiết để xác định xem các giá trị tham số nào
tạo ra các luật tốt nhất. Và vì vậy mà giải thuật di truyền đã được sử dụng trong các
công cụ khai phá dữ liệu.
1.8. Ứng dụng của khai phá dữ liệu
Khai phá dữ liệu là một lĩnh vực liên quan tới nhiều ngành học khác như:
Hệ CSDL, thống kê, trực quan hoá.v.v. Hơn nữa, tuỳ vào cách tiếp cận được sử
dụng, khai phá dữ liệu còn có thể áp dụng một số kỹ thuật như mạng nơron, lý
thuyết tập thô, tập mờ, biểu diễn tri thức, v.v.So với các phương pháp này, khai phá
dữ liệu có một số ưu thế rõ rệt.
So với phương pháp học máy, khai phá dữ liệu có lợi thế hơn ở chỗ, khai
phá dữ liệu có thể sử dụng với các CSDL chứa nhiều nhiễu, dữ liệu không đầy đủ

24
hoặc biến đổi liên tục. Trong khi đó phương pháp học máy chủ yếu được áp dụng
trong các CSDL đầy đủ, ít biến động và tập dữ liệu không qua lớn.
Phương pháp hệ chuyên gia: Phương pháp này khác với khai phá dữ liệu
ở chỗ các ví dụ của chuyên gia thường ở mức cao hơn nhiều so với các dữ liệu trong
CSDL, và chúng thường chỉ bao hàm được các trường hợp quan trọng. Hơn nữa các
chuyên gia sẽ xác nhận giá trị và tính hữu ích của các mẫu phát hiện được.
Phương pháp thống kê là một trong những nên tảng lý thuyết của khai
phá dữ liệu, nhưng khi so sánh hai phương pháp với nhau ta có thể thấy các phương
pháp thống kê còn tồn tại một số điểm yếu mà khai phá dữ liệu khắc phục được.
Các phương pháp thống kê chuẩn không phù hợp với các kiểu dữ liệu có
cấu trúc trong rất nhiều CSDL.
Các phương pháp thống kê hoạt động hoàn toàn theo dữ liệu, nó không sử
dụng tri thức có sẵn về lĩnh vực.
Kết quả phân tích của hệ thống sẽ rất nhiều và khó có thể làm rõ ra được.
Phương pháp thống kê cần có sự hướng dẫn của người dùng để xác định
phân tích dữ liệu như thế nào và ở đâu.
Với nhưng ưu điểm đó, khai phá dữ liệu hiện đang được áp dụng một
cách rộng rãi trong nhiều lĩnh vực kinh doanh và đời sống khác nhau như:
Marketing, tài chính, ngân hàng và bảo hiểm, khoa học, y tế, an ninh,
internet.v.v.rất nhiều tổ chức và công ty lớn trên thế giới đã áp dụng kỹ thuật khai
phá dữ liệu vào các hoạt động sản xuất kinh doanh của mình và thu được những lợi
ích to lớn.
Một số ứng dụng của khai phá dữ liệu trong lĩnh vực kinh doanh:
Brandaid: Mô hình Marketing linh hoạt tập chung vào hàng tiêu dùng.
Callpla: Giúp nhân viên bán hàng xác định số lần viếng thăm của khách
hàng triển vọng và khách hàng hiện có.
Detailer: Xác định khách hàng nào nên viếng thăm và sản phẩm nào nên
giới thiệu trong từng chuyến viếng thăm.
Geoline: Mô hình thiết kế địa bàn tiêu thụ và dịch vụ.
Mediac: Giúp người quảng cáo mua phương tiện trong một năm, lập kế
hoạch sử dụng phương tiện bao gồm phác hoạ khúc thị trường, ước tính tiềm năng.
1.9. Một số thách thức đặt ra cho việc khai phá dữ liệu
Các cơ sở dữ liệu lớn.
Thay đổi dữ liệu và tri thức có thể làm cho các mẫu đã phát hiện không còn
phù hợp nữa.
Dữ liệu bị thiếu hoặc nhiễu.

25
 Quan hệ giữa các trường phức tạp.
Giao tiếp với người sử dụng và kết hợp với các tri thức đã có.
Tích hợp với các hệ thống khác…
* Kết luận chương I
Qua chương I chúng ta đã biết được thế nào là tổng quan về khai phá dữ liệu.
Nó bao gồm một số nội dung sau:
Khai phá dữ liệu và phát hiện tri thức: Là quá trình khám phá tri thức tiềm ẩn
trong cơ sở dữ liệu.
Quá trình phát hiện tri thức từ cơ sở dữ liệu: Là một quá trình có sử dụng
nhiều phương pháp và công cụ tin học để tìm ra một cơ sở dữ liệu có ích cho người
sử dụng.
Khai phá dữ liệu có lợi ích gì: Cung cấp tri thức và hỗ trợ việc ra quyết định,
dự báo, khái quát dữ liệu.
Các kỹ thuật khai phá dữ liệu: Có rất nhiều các kỹ thuật nhưng thường sử
dụng kỹ thuật mô tả và dự đoán.
Nhiệm vụ của khai phá dữ liệu: Phân lớp, hồi quy, gom nhóm, tổng hợp, mô
hình ràng buộc, dò tìm biến đổi và độ lệch.
Các phương pháp khai phá dữ liệu: Phương pháp quy nạp, cây quyết định và
luật, phát hiện các luật kết hợp, mạng Neuron, giải thuật di truyền.
Ứng dụng của khai phá dữ liệu: Marketing, tài chính, ngân hàng và bảo
hiểm, khoa học, y tế, an ninh, internet…
Một số thách thức đặt ra cho việc khai phá dữ liệu: Cơ sở dữ liệu lớn, dữ liệu
bị thiếu hoặc nhiễu, quan hệ giữa các trường phức tạp.v.v.

26
 Chương II: TẬP PHỔ BIẾN VÀ LUẬT KẾT HỢP
2.1. Mở đầu
Hiện nay các công ty, doanh nghiệp đang lưu trữ một lượng thông tin lớn về
bán hàng. Một bản ghi trong cơ sở dữ liệu này chứa các thông tin về ngày mua bán,
số lượng hàng bán,... Từ cơ sở dữ liệu bán hàng, chúng ta có thể tìm ra các mối
quan hệ giữa các cặp thuộc tính- giá trị thuộc tính. Đó là luật kết hợp tiêu biểu: Ví
dụ có 80% khách hàng mua sách ngoại ngữ thì sẽ mua đĩa CD hoặc VCD.
2.2. Các khái niệm cơ bản
2.2.1. Định nghĩa 2. 2.1: Ngữ cảnh khai phá dữ liệu
Cho tập O là tập hữu hạn khác rỗng các giao tác và I là tập hữu hạn khác
rỗng các mặt hàng, R là một quan hệ hai ngôi giữa O và I sao cho với o ∈ O và i ∈ I,
(o,i) ∈ R= > giao tác.o có chứa mặt hàng i. Ngữ cảnh khai phá dữ liệu (dưới đây sẽ
gọi tắt là NCKPDL) là bộ ba (O, I, R).
2.2.2. Định nghĩa 2. 2. 2: Các kết nối Galois
Cho NCKPDL (O, I, R), xét hai kết nối Galois ρ và λ được định nghĩa như
sau:
ρ : P (I) →P (O) và λ : P (O) →P (I):
Cho S ⊂ I, ρ (S) = {o ∈ O | ∀i ∈ S, (o, i) ∈ R}
Cho X ⊂ O, λ (X) = {i ∈ I | ∀o ∈ X, (o, i) ∈ R}
Trong đó P (X) là tập các tập con của X.
Cặp hàm (ρ, λ) được gọi là kết nối Galois. Giá trị ρ (S) biểu diễn tập các giao
tác có chung tất cả các mặt hàng trong S. Giá trị λ (X) biểu diễn tập mặt hàng có
trong tất cả các giao tác của X.
2.2.3. Định nghĩa 2.2.3: Độ hỗ trợ (Support)
2.2.3.1. Độ hỗ trợ của một tập mục X trong cơ sở dữ liệu D là tỉ số giữa các
giao tác T ⊂ D có chứa tập X là tổng số giao tác trong D (hay là phần trăm của các
giao tác trong D có chứa tập mục X), kí hiệu là Supp (X).
{T ∈ D : X ⊂ T }
Supp (X)= D

Ta có 0 ≤ Supp (X) với mọi tập X.

Hay có thế nói Support chỉ mức độ “thướng xuyên xảy ra” của mẫu.
2.2.3.2. Độ hỗ trợ của luật X→Y là tỉ số của số giao tác có chứa X ∪ Y và số
giao tác trong cơ sở dữ liệu D, kí hiệu là Supp (X→Y).
{T ∈ D : X ∪ Y ⊆ T }
Supp (X→Y)= D

27
 Như vậy độ hỗ trợ của một luật bằng 50% nghĩa là có 50% số giao tác có
chứa tập mục X ∪ Y. Độ hỗ trợ có ý nghĩa thống kê của luật kết hợp.
2.2.4. Định nghĩa 2 2.4: Độ tin cậy ( Confidence)
2.2.4.1. Tính chất 2. 2.4.1: Hỗ trợ của tập con.
Giả sử A,B ⊆ I là tập các tập mục với A ⊆ B thì Supp (A) ≥ Supp (B).
Thật vậy, tính chất này có thể suy ra trực tiếp từ khái niệm tập mục phổ biến,
vì tất cả các giao tác hỗ trợ B thì cũng hỗ trợ A. Như vậy giao tác nào chứa tập mục
B thì cũng chứa tập mục A.
2.2.4.2. Tính chất 2.2.4.2
Giả sử A, B là hai tập mục, A, B ⊆ I. Nễu B là tập mục phổ biến và A ⊆ B
thì A cũng là tập mục phổ biến.
Thật vậy, nếu B là tập mục phổ biến thì Supp (B) ≥ Minsup, mọi tập mục A
là tập mục con của tập mục B đều là tập mục thường xuyên trong cơ sở dữ liệu D vì
Supp (A) ≥ Supp (B) (Theo tính chất 2.3.1).
2.2.4.3. Tính chất 2.2.4.3
Giả sử A, B là hai tập mục A ⊆ B và A là tập mục không phổ biến thì B cũng
là tập mục không phổ biến.
Thật vậy, A là tập mục không thường xuyên nên Supp (A) ≤ Minsup mà A
⊆ B nên Supp (A) ≥ Supp (B).
Suy ra Supp (B)< Minsup vậy B là tập mục không phổ biến.
2.2.4.4. Tính chất 2. 2.4.4
Giả sử X, Y, Z ⊆ I là những tập mục, sao cho X∩ Y = ∅. Thì:
Conf (X → Y) ≥Conf (X/Z → Y ∪ Z).
Thật vậy, từ X ∪ Y ⊆ X ∪ Y ∪ Z và X/Z ⊆ X ta có:

S u( X ∪ pY ∪ pZ ) Supp ( X ∪ Y )

S u( X \ Zp ) p
≤
Supp ( X )

Độ tin cậy của một luật r = X→Y là tỉ số (phần trăm) của số giao tác trong D
chứa X ∪ Y với số giao tác trong D có chứa tập mục X. Kí hiệu độ tin cậy của một
luật là Conf (r). Ta có 0 ≤ conf ≤ 1.
Nhận xét: Độ hỗ trợ và độ tin cậy chính là xác suất sau:

28
 Supp (X→Y) = P (X ∪ Y).
Conf (X→Y) = P (Y/X) = Supp (X ∪ Y)/Supp (X).
Ta nói rằng với luật có độ tin cậy 85% thì có nghĩa là 85% các giao tác có
chứa X thì cũng chứa Y. Độ tin cậy của một luật là thể hiện mức độ tường quan
trong dữ liệu giữa hai tập X và Y. Độ tin cậy là độ đo mức độ tin cậy của một luật.
2.2.5. Định nghĩa 2.2.5: Tập mặt hàng phổ biến
Cho NCKPDL (O, I, R) và Minsup ∈ (0, 1] là ngưỡng phổ biến tối thiểu.
Cho S ⊂ I, độ phổ biến của S ký hiệu là SP (S) là tỉ số giữa số các giao tác có chứa
S và số lượng giao tác trong O. Nói cách khác SP (S)= |ρ (S)| / |O|.
Cho S ⊂ I, S là một tập các mặt hàng phổ biến theo ngưỡng Minsup nếu và
chỉ nếu SP (S) ≥ Minsup. Trong các phần sau tập mặt hàng phổ biến sẽ được gọi tắt
là tập phổ biến. Ký hiệu FS (O, I, R, Minsup) = {S ∈ P (I) | SP (S) ≥ Minsup).
2.2.6. Định nghĩa 2.2.6: Luật kết hợp
Cho NCKPDL (O, I, R) và ngưỡng Minsup ∈ (0, 1]. Với một S ∈ FS (O, I,
R, Minsup), gọi X và Y là các tập con khác rỗng của S sao cho S = X ∪ Y và X ∩ Y
= ∅. Luật kết hợp X với Y có dạng X→Y phản ánh khả năng khách hàng mua tập
mặt hàng Y khi mua tập mặt hàng X. Độ phổ biến của luật kết hợp X→Y với S =
X→Y là SP (S).
Độ tin cậy của luật kết hợp X→Y được ký hiệu là CF (X→Y) và được tính
bằng công thức CF (X→Y) = SP (X ∪ Y)/SP (X)
Nguyên lý Apriori.
• Cho S ∈ FS (O, I, R, Minsup), nếu T ⊆ S thì T ∈ FS (O, I, R, Minsup).
• Cho T ∈ FS (O, I, R, Minsup), nếu T ⊆ S thì S ∈ FS (O, I, R, Minsup).
2.2.6.1. Tính chất 2.2.6.1: Luật kết hợp không có hợp thành.
Nếu X → Y và Y → Z thoả mãn trên D thì không nhất thiết X ∪ Y → Z là đúng.
Thật vậy, nếu xét trường hợp X ∩ Y= ∅ và các giao dịch trên D hỗ trợ Z khi
và chỉ khi chúng hỗ trợ X hoặc hỗ trợ Y. Khi đó Supp (X ∪ Y) = 0 và Conf (X ∪
Y) = 0.
Tương tự, trường hợp có X → Y và X → Z, ta suy ra X → Y ∪ Z.
2.2.6.2. Tính chất 2.2.6.2: Luật kết hợp không có tính tách.
Nếu X ∪ Y → Z thì X → Z và Y → Z chưa chắc xảy ra.
Chẳng hạn xét trường hợp Z có mặt trong giao tác chỉ khi cả tập X và Y cũng
có mặt, tức là Supp (X ∪ Y) = Supp (Z). Nếu độ hỗ trợ X, Y đủ lớn hớn
Supp (X ∪ Y) tức là Supp (X) ≥ Supp (X ∪ Y) và Supp (Y) ≥ Supp (X ∪ Y ) thì
hai luật riêng biệt sẽ không đủ độ hỗ trợ.

29
 Tuy nhiên trương hợp ngựơc lại X → Y ∪ Z thì suy ra được X → Y và X
→ Z.
Để giải thích cho tính chất này ta phân tích ví dụ sau:
T(X)
T(Y)

T(Z)

Hình 2.5. Minh họa luật kết hợp không có tính tách
Khi Z thể hiện trong một giao dịch chỉ nếu cả X và Y đều thể hiện giao dịch
đó, nghĩa là Supp (X ∪ Y) = Supp (Z). Nếu Supp cho X và Y lớn hơn Supp (X ∪
Y), thì hai luật trên sẽ không có Conf yêu cầu. Nhưng nếu X → Y ∪ Z thỏa mãn
trên D thì có thể suy ra X → Y và X → Z cũng thỏa mãn trên D vì Supp (XY) ≥
Supp (XYZ) và Supp (XZ) ≥ Supp (XYZ).
2.2.6.3. Tính chất 2.2.6.3: Luật kết hợp không có tính bắc cầu.
Nếu X → Y và Y → Z thoả mãn trên D thì không thể khẳng định X → Z
thoả mãn trên D.
Giả sử T (X) ⊂ T (Y) ⊂ T (Z) và Conf (X → Y) = Conf (Y → Z) = Minconf.
Khi đó Conf (X → Z) = Minconf2 < Minconf (vi 0 < Minconf < 1), suy ra luật X
→ Z không có Conf tối thiểu, tức là X → Z không thoả mãn trên D.
2.2.6.4. Tính chất 2.2.6.4
Nếu luật X → (L-X) không thoả mãn độ tin cậy cực tiểu thì luật Y → (L-
Y) cũng không thoả mãn với các tập mục Y ⊆ X ⊂ L.
2.3. Tìm tập phổ biến
2.3.1. Một số khái niệm
Cho NCKPDL (O, I, R) và Minsup ∈ (0, 1], tìm FS (O, I, R, Minsup).
Thuật toán được xây dựng dựa trên nguyên lý Apriori. Đầu tiên thuật toán sẽ tìm
các tập phổ biến có một phần tử. Sau đó các ứng viên của các tập phổ biến có hai
phần tử sẽ được tạo lập bằng cách hợp các tập phổ biến có một phần tử. Một cách

30
tổng quát, các tập ứng viên của tập phổ biến có k phần tử sẽ được tạo từ các tập phổ
biến có k-1 phần tử. Gọi Fk = {S ∈ P (I) | SP (S) ≥ Minsup và |S|= k}. Thuật toán sẽ
duyệt từng ứng viên để tạo Fk bao gồm các ứng viên có độ phổ biến lớn hơn hoặc
bằng ngưỡng Minsup.
- Tập các hạng mục (Itemset) I = {i1, i2, …, im}:
VD : I = {sữa, bánh mì, ngũ cốc, sữa chua}
Tập k hạng mục (k-Itemset).
- Giao dịch t : tập các hạng mục sao cho t ⊆ I
VD : t = {bánh mì, sữa chua, ngũ cốc}
- CSDL D = {t1, t2, …, tn}, ti= {ii1, ii2, …, iik} với iij ∈ I : CSDL giao dịch
- Giao dịch t chứa X nếu X là tập các hạng mục trong I và X ⊆ t
VD : X = {bánh mì, sữa chua}
- Độ phổ biến (supp) của tập các hạng mục X trong CSDL D là tỷ lệ giữa số
các giao dịch chứa X trên tổng số các giao dịch trong D.
Supp (X) = count (X) / | D |
Tập các hạng mục phổ biến S hay tập phổ biến (Frequent Itemset) là tập
các hạng mục có độ phổ biến thỏa mãn độ phổ biến tối thiểu
Nếu Supp (S) ≥ Minsup thì S - tập phổ biến.
- Tính chất của tập phổ biến (Apriori).
Tất cả các tập con của tập phổ biến đều là tập phổ biến.
2.3.2. Thuật toán Apriori
2.3.2.1. Mô tả thuật toán
Đầu tiên thực hiện duyệt CSDL để tìm các mục riêng biệt trong CSDL và độ
hỗ trợ tương ứng của nó. Tập thu được là C1. Duyệt tập C1 loại bỏ các mục có độ hỗ trợ
< Minsup, các tập mục còn lại của C1 là các tập 1-Itemset (L1) phổ biến. Sau đó kết nối
L1 với L1 để được tập các tập 2-Itemset C2. Duyệt CSDL xác định độ hỗ trợ của các tập
mục trong C2. Duyệt C2 Loại bỏ các tập mục có độ hỗ trợ < Minsup, các tập mục còn
lại của C2 là tập các tập 2-Itemset (L2) phổ biến. L2 lại được sử dụng để sinh ra L3 và cứ
tiếp tục như vậy cho đến khi tìm được tập mục k-Itemset Lk mà Lk = ∅ (tức là không có
tập mục phổ biến nào được tìm thấy) thì dừng lại.
Tập các tập mục phổ biến của CSDL là: ∪ki-1= L1.
Để tăng hiệu quả của thuật toán trong quá trình sinh các tập mục ứng cử, ta
sử dụng tính chất của tập mục phổ biến để làm giảm số lượng tập các tập ứng cử,
không phải là tập phổ biến được sinh ra. Tính chất đó là: Tập các tập con khác rỗng
của tập mục phổ biến đều là tập mục phổ biến.

31
 Bước nối:
Input: Tập Lk+1 là tập (k+1)-Itemset phổ biến.
Output: Tập Ck là tập các ứng cử viên cho tập mục phổ biến k-Itemset
Tập các ứng cử k-Itemset được sinh ra từ việc kết nối Lk-1 với chính nó. Giả
sử l1, l2 là các tập mục của Lk-1. Ta ký hiệu lj[i] là mục thứ Itemset trong tập mục
lj,việc kết nối Lk-1 với Lk+1 được thực hiện như sau: Các tập mục của Lk-1 được kết nối
với nhau nếu mục đầu của chúng trùng nhau và l 1[k-1]<l2[k-1]. Tức là hai tập mục l1
và l2 của Lk-1 có thể kết nối được với nhau nếu thoả mãn:
(L1[1] = L2[1])^(L1[2] = L2[2])^...^(L1[k-2] = L2[k-2])^(L1[k-1] = L2[k-1])
Điều kiện l1[k-1] < l2[k-1] để đảm bảo không sinh lặp lại các tập đã sinh. Kết
quả tập mục thu được sau khi kết nối l1 và l2 sẽ là
(l1[1], l1[2], v.v.l1[k-2], l1[k-1], l2[k-1]).
Bước tỉa (Prune)
Input: Ck – là tập các ứng cử k-Itemset
Output: Lk – là tập các tập k-Itemset phổ biến
Ta có Ck ⊇Lk các thành phần của Ck có thể là phổ biến hoặc không phổ biến,
nhưng tất cả các tập k-Itemset đều nằm trong Ck.
Bước này chúng ta thực hiện các công việc sau:
Quét CSDL D một lần tính độ hỗ trợ cho mỗi tập mục trong C k. Loại bỏ
những tập mục có độ hỗ trợ nhỏ hơn hoặc bằng giá trị Minsup cho trước khỏi C k.
Tập Ck thu được chính là Lk.
Tuy nhiên tập Ck có thể rất lớn và vì vậy nó làm cho công việc tính toán trở
nên phức tập. Để giảm kích thước của tập Ck thì ta sử dụng tính chất Apriori: Bất
kỳ một tập (k-1)-Itemset không phổ biến thì nó không thể là tập con của tập k-
Itemset phổ biến, Do đó, nếu bất kỳ tập con (k-1)-Itemset của ứng cử k-Itemset
không có mặt trong Lk-1 thì ứng cử đó không là phổ biến, và do vậy có thể loại bỏ
tập mục này khỏi Ck. Việc kiểm tra các tập con (k-1)-Itemset có thể được thực hiện
một cách nhanh chóng bằng cách duy trì một cây băm .

32
 2.3.2.2. Ví dụ minh hoạ cho thuật toán Apriori
Xét CSDL giao dịch D được cho trong bảng sau:
Bảng 2.1. CSDL sử dụng minh hoạ thuật toán Apriori
TID Danh sách các mục
1 I1 I2 I5
2 I2 I4
3 I2 I3
4 I1 I2 I4
5 I1 I3
6 I2 I3
7 I1 I3
8 I1 I2 I3 I5
9 I1 I2 I3
Trong lần lặp đầu tiên của thuật toán, mỗi mục là một thành viên của tập ứng
cử C1. Thuật toán thực hiện quét tất cả các giao dịch của D theo đó đếm số số lần
xuất hiện của mỗi mục.
Giả sử độ hỗ trợ cực tiểu đếm số giao dịch là 2 (tức là Minsup = 2/9*100% =
22%). Khi đó tập mục phổ biến 1-Itemset (L 1), được xác định như sau: L1 bao gồm
tất cả các ứng cử 1-Itemset thoả mãn độ hỗ trợ tối thiểu.
Tìm ra các tập mục phổ biến 2-Itemset (L 2), thuật toán sử dụng kết nối L1 với
L1 để sinh ra tập ứng cử 2-Itemset (C2). C2 bao gồm tổ hợp chập lj[i] của các phần tử
có trong L1 do đó số lượng các phần tử của C2 được tính như sau:
2 5!
|C2| = C |L1| = C 52 = = 10
2!3!
Tiếp theo, quét các giao dịch trong D và tính độ hỗ trợ của các tập ứng cử
trong C2.
Tập mục phổ biến 2-Itemset L2 được xác định, bao gồm các tập mục 2-
Itemset là ứng cử trong C2 có độ hỗ trợ lớn hơn hoặc bằng độ hỗ trợ tối thiểu
Minsup.
Sinh các tập ứng cử 3-Itemset, CL¬k-1 bằng cách, kết nối L2 với chính nó ta
nhận được kết quả C3 là:
C3 = {{I1, I2, I3}, {I1, I2, I5}, {I1, I3, I5}, {I2, I3, I4}, {I2, I3, I5}, {I2, I4, I5}}

33
 Sử dụng tính chất Apriori để tỉa bớt các ứng cử: Tất cả các tập con của tập
phổ biến là tập phổ biến. Do đó 4 ứng cử viên của tập C3 không thể là tập phổ biến
vì nó chứa các tập không phổ biến, ta thực hiện tỉa (loại) bốn tập ứng cử viên đó
khỏi C3. Cụ thể như sau:
+ Các tập {I1, I3, I5}, {I2, I3, I5} không là phổ biến vì tập con {I3, I5} của nó
không phổ biến (không có trong L2).
+ Tập {I2, I3, I4} không là phổ biến vì tập con {I3,I4} của nó không phổ biến
(không có trong L2).
+ Tập {I2, I4, I5} không là phổ biến vì tập con {I4, I5} của nó không phổ biến
(không có trong L2).
Việc tỉa bớt các tập ứng cử này sẽ làm giảm bớt việc phải quét CSDL để tính
độ hỗ trợ khi xác định L3. Lưu ý rằng, với ứng cử k-Itemset, chúng ta chỉ cần kiểm
tra tập con (k-1)-Itemset có là phổ biến hay không? Vì thuật toán Apriori sử dụng
chiến lược tìm kiếm theo chiều rộng.
Như vậy sau khi thực hiện kết nối và tỉa ta thu được kết tập C3 là:
C3 = {{I1, I2, I3}, {I1, I2, I5}}
Quét các giao dịch trong CSDL để xác định L3, L3 bao gồm các ứng cử 3-
Itemset trong C3 thoả mãn độ hỗ trợ tối thiểu. Ta có L3 là:
L3 = {{I1, I2, I3}, {I1, I2, I5}}
Sinh các tập ứng cử 3-Itemset, C3 bằng cách kết nối L3 với chính nó ta nhận
được kết quả C4 là tập mục {I1, I2, I3, I5}. Sau đó thực hiện bước tỉa thì tập {I1, I2, I3,
I5} bị tỉa vì nó chưa tập con {I 2, I3, I5} không là tập phổ biến (không có trong L 3).
Như vậy ta có C4 = ∅ đến đây thuật toán kết thúc. Vậy tập hợp tất cả các tập mục
phổ biến đã được tìm.
Các tập mục phổ biến tìm được từ CSDL giao dịch D với độ hỗ trợ tối thiểu
Minsup = 22% (độ hỗ trợ tối thiểu tương đương với số giao dịch = 2).
Bảng 2. 2. Kết quả thực hiện thuật toán Aprori cho CSDL D
Loai tập mục phổ biến Các tập mục phổ biến
1-Itemset {I1} {I2} {I3} {I4} {I5}
2-Itemset {I1, I2} {I1, I3} {I1, I5} {I2, I3} {I2, I4} {I2, I5}
3-Itemset {I1, I2, I3} {I1, I2, I5}
2.3.2.3. Procedure-Code.
Input : CSDL D, Minsup
Output : L : các tập phổ biến trong D
Ck : Tập ứng viên kích thước k

34
 Lk : Tập phổ biến kích thước k
L1 = Tìm_tập_phổ_biến_1_hạng mục (D);
for (k = 1; Lk ≠ ∅; k++
{Ck+1 = Apriori_gen (Lk); // Tạo tập ứng viên (k+1) hạng mục
for mỗi giao tác t ∈ D {// Duyệt CSDL để tính Support
Ct = subset (Ck+1, t); // Lấy ra tập con của t là ứng viên
for mỗi ứng viên c ∈ Ct c. Count ++}
Lk+1 = {c ∈ Ck+1| c. Count ≥ Minsup }}
return L = k ∪ Lk;
2.3.2.4. Tạo tập ứng viên (k+1)- hạng mục.
Hàm Apriori_gen nhận Lk và trả về tập ứng viên kích thước (k+1). Gồm 2
bước: Kết và loại bỏ.
Procedure Apriori_gen (Lk : Tập phổ biến kích thước k)
for mỗi Itemset l1∈ Lk
for mỗi Itemset l2∈ Lk
if (l1 [1] = l2 [1]) ∧ (l1 [2] = l2 [2]) ∧ …∧ (l1 [k-1] = l2 [k-1]) ∧ (l1 [k] < l2 [k])
then
{c = l1 vw l2 ; // Bước kết Lk với chính nó
if has_infrequent_subset (c, Lk ) then
Xóa c ; // Loại bỏ các ứng viên không có lợi
else Thêm c vào Ck+1 ;
}
return Ck+1 ;
Tạo tập ứng viên (k+1)- hạng mục (tt)
Sử dụng tri thức để giảm Ck+1
Procedure has_infrequent_subset (c: Tập ứng viên kích thước k+1, Lk: Tập
phổ biến kích thước k).
for mỗi k-subset s ∈ c
if s ∉ Lk then
return True ;
return False ;

35
2.4. Tìm luật kết hợp
Gọi I = {I1, I2,...., Im} là tập m thuộc tính riêng biệt, mỗi thuộc tính gọi là một
mục. Gọi D là một cơ sở dữ liệu, trong đó mỗi bản ghi T là một giao dịch và chứa
các tập mục, T ⊆ I.
Định nghĩa 2.4 1: Một luật kết hợp là một quan hệ có dạng X ⇒ Y, trong đó
X, Y ⊂ I là các tập mục gọi là Itemsets, và X Y = φ .Ở đây, X được gọi là tiền đề,
Y là mệnh đề kết quả.
Thông số quan trọng nhất của luật kết hợp là độ hỗ trợ (s) và độ tin cậy (c).
Định nghĩa 2.4.2: Độ hỗ trợ (Support) của luật kết hợp X ⇒ Y là tỷ lệ phần
trăm các bản ghi X ∪ Y với tổng số các giao dịch có trong cơ sở dữ liệu.
Định nghĩa 2.4.3: Đối với một số giao dịch được đưa ra, độ tin cậy
(confidence) là tỷ lệ của số giao dịch có chứa X ∪ Y với số giao dịch có chứa X.
Đơn vị tính %.
Việc khai thác các luật kết hợp từ cơ sở dữ liệu chính là việc tìm tất cả các
luật có độ hỗ trợ và độ tin cậy lớn hơn ngưỡng của độ hỗ trợ và độ tin cậy do người
sử dụng xác định trước. Các ngưỡng của độ hỗ trợ và độ tin cậy được ký hiệu là
Minsup và Mincof.
Việc khai thác các luật kết hợp được phân tích thành hai vấn đề sau đây:
- Tìm tất cả các tập mục thường xuyên xảy ra mà có độ hỗ trợ lớn hơn hoặc
bằng Minsup.
- Tạo ra các luật mong muốn sử dụng các tập mục lớn mà có độ tin cậy lớn
hơn hoặc bằng Mincof.
2.4.1. Phát biểu bài toán khai phá luật kết hợp
I = {i1, i2, …, in } là tập bao gồm n mục (Item – còn gọi là các thuộc tính -
attribute).X ⊆ I được gọi là tập mục (Itemset).
T = {t1, t2, .v.v.tm} là tập gồm m giao dịch (Transasction – còn gọi là bản ghi
- Record), mỗi giao dịch được định danh bởi TID (Transaction Identification).
R là một quan hệ nhị phân trên I và T. Nếu giao dịch t có chứa mục I thì ta
viết (i, t) ∈ R.(T, I, R) là ngữ cảnh khai thác dữ liệu. Một CSDL D, về mặt hình
thức, chính là một quan hệ nhị phân R như trên.
Về ý nghĩa, một CSDL là một tập các giao dịch, mỗi giao dịch t là một tập
mục, t ∈ 2I (2I là tập các tập con của I).
Ví dụ về CSDL giao dịch: I = {A, B, C, D, E}, T = {1, 2, 3, 4, 5, 6}
Thông tin về các giao dịch cho ở bảng sau:

36
 Bảng 2. 3. Ví dụ về một CSDL giao dịch – D
Định danh giao dịch (TID) Tập mục (Itemset)
1 A, B, D, E
2 BC, E
3 AB, DE
4 ABC, E
5 ABCDE
6 BCDE
Cho một tập mục X ∈ I. Ký hiệu s (X) là Độ hỗ trợ (Support) của một tập
mục X là tỷ lệ phần trăm số giao dịch trong CSDL D chứa X trên tổng số cac giao
dịch trong CSDL D. S (X) = Card (X)/Card (D)%
Tập mục phổ biến: Cho một tập mục X ⊆ I và ngưỡng phổ biến tối thiểu
Minsup ∈ (0, 1], (Minsup được xác định bởi người sử dụng). Một tập mục X được
gọi là một tập phổ biến theo ngưỡng Minsup nếu và chỉ nếu độ hỗ trợ của nó lớn
hơn hoặc bằng một ngưỡng Minsup: s (X) ≥ Minsup.
Ký hiệu FX (T, I, R, Minsup) = {X ⊆ I | s (X) ≥ Minsup}
Với (T, I, R) trong ví dụ CSDL bảng 1, và giá trị ngưỡng Minsup = 50% sẽ
liệt kê các tập mục phổ biến (Frenquent-Itemset) như sau:
Bảng 2.4. Tập mục thường xuyên Minsup = 50%
Tập mục phổ biến Độ hỗ trợ (s) tương ứng
B 100%
E, BE 83%
A, C, D, AB, AE, BC, BD, ABE 67%
AD, CE, DE, ABD, ADE, BCE, BDE 50%
Độ hỗ trợ s của luật kết hợp X → Y là tỷ lệ phần trăm các giao dịch trong D
có chứa X và Y là s (X → Y) = Card (X ∪ Y)/Card (D) %
Luật kết hợp có dạng X  c→ Y trong đó: X, Y là các tập mục thoả mãn điều
kiện X ∩ Y = Ø và c là độ tin cậy.
Độ tin cậy của luật c = s (X ∪ Y)/s (X)%: Là tỷ lệ phần trăm các giao dịch
trong D có chứa X thì chứa Y. Về mặt xác suất, độ tin cậy c của một luật kết hợp là
xác suất (có điểu kiện) xảy ra Y với điều kiện đã xẩy ra X
Luật kết hợp tin cậy: Một luật được xem là tin cậy nếu độ tin cậy c của nó
lớn hơn hoặc bằng một ngưỡng Minconf ∈ (0, 1] nào đó do người dùng xác định.

37
Ngưỡng Minconf phản ánh mức độ xuất hiện của Y khi cho trước X.( ( c ≥
Minconf) (Minimum Confidence))
Luật kết hợp cần tìm là luật kết hợp thoả mãn Minsup và Minconf cho trước.
Chúng ta chỉ quan tâm đến các luật có độ hỗ trợ lớn hơn độ hỗ trợ tối thiểu và độ tin
cậy lớn hơn độ tin cậy tối thiểu.
Hầu hết các thuật toán khai phá luật kết hợp thường chia thành 2 pha:
Pha 1 : Tìm tất cả các tập mục phổ biến từ cơ sở dữ liệu tức là tìm tất cả các
tập mục X thoả s (X) ≥ Minsup.
Pha 2: Sinh các luật tin cậy từ các tập phổ biến đã tìm thấy ở pha 1.
Nếu X là một tập mục phổ biến thì luật kết hợp được sinh ra từ X có dạng:
X’ c X \ X’, trong đó:
X’ là tập con khác rỗng của X.
X\X’ là hiệu của hai tập hợp X và X’.
c là độ tin cậy của luật thoả mãn c ≥ Minconf
Với tập mục phổ biến trong bảng 4 thì chúng ta có thể sinh luật kết hợp sau đây:
Bảng 2.5. Luật kết hợp sinh từ tập mục phổ biến ABE
Luật kết hợp Độ tin cậy c ≥ Minconf ?
A  10%0 → BE Có
B  6%7 → AE Không
E  8%0 → AB Có
AB  10 %0 → E Có
AE  10%0 → B Có
BE  8%0 → A Có
Tập phổ biến tối đại: Cho M ∈ FX (T, I, R, Minsup) M được gọi là tập mục
phổ biến tối đại nếu không tồn tại X ∈ FX (T, I, R, Minsup), M ≠ X, M ⊂ X
2.4.2. Phát triển giải pháp hiệu quả trong khai thác luật kết hợp
Bài toán luật kết hợp.
Cho một tập các giá trị I, một CSDL giao dịch D, ngưỡng độ hỗ trợ tối thiểu
Minsup, ngưỡng độ tin cậy Mincof, tìm các luật kết hợp dạng X ⇒ Y trên D thoả
mãn điều kiện Support (X ⇒ Y) >= Minsup và Confidence (X ⇒ Y) >= Mincof.
Tiến trình khai thác luật kết hợp.
Xác định các tập mục lớn Việc xác định các tập mục lớn gồm có hai bước
chính sau đây:
Xác định các tập ứng cử viên (Ck).

38
 Xác định các tập mục lớn (L) dựa vào tập ứng cử viên
Để xác định tập ứng cử viên, ta thực hiện các bước sau đây:
1. Tìm các tập ứng cử viên một mục.
2. Quét CSDL D để xác định độ hỗ trợ của các tập ứng cử viên. Trong vòng
đầu tiên, các tập ứng cử viên cũng chính là tất cả các mục có trong CSDL. Tại vòng
thứ k (k>1), các tập ứng cử viên được xác định dựa vào các tập mục lớn đã xác định
tại vòng k – 1, sử dụng hàm Apriori-Gen () Sau khi đã xác định được các tập ứng cử
viên, thuật toán quét từng giao dịch trong CSDL để tính độ hỗ trợ của các tập ứng
cử viên. Quá trình xác định các tập mục sẽ kết thúc khi không xác định được thêm
tập mục lớn nào nữa.
3. Nội dung hàm Apriori-gen (). Hàm Apriori-gen () thực hiện hai bước.
1. Bước đầu tiên, Lk – 1 được kết nối với chính nó thu được Ck.
2. Bước thứ hai, Apriori_gen () xoá tất cả các tập mục từ kết quả kết nối mà
có một số tập con (k – 1) không có trong Lk – 1. Sau đó nó trả về tập mục lớn kích
thước k còn lại.
3. Sinh các luật kết hợp từ tập mục lớn.
Việc phát hiện các tập mục lớn là rất tốn kém về mặt tính toán. Tuy nhiên,
ngay khi tìm được tất cả các tập mục lớn (l ∈ L), ta có thể dễ dàng sinh ra các luật
kết hợp có thể có bằng các bước như sau:
1. Tìm tất cả các tập con không rỗng x, của tập mục lớn l ∈ L.
2. Với mỗi tập con x tìm được, ta xuất ra luật dạng x ⇒ (l - x) nếu tỷ lệ
Support (l)/Support (x) >= Mincof (%).
3. Thủ tục sinh ra các tập con.
4. Đầu vào:
5. Tập mục lớn Lk
Đầu ra:
Tập luật thoả mãn điều kiện độ tin cậy >= Mincof và độ hỗ trợ >= Minsup
Phương pháp:
Forall Lk, k >= 2 do
Call Genrules (Lk, Lk);
Procedure Genrules (Lk: Large k-Itemset, am: Large m-Itemset)
A= { (m-1)-Itemset am-1| am-1 ⊂ am}
Forall am-1 ∈ A do begin
Conf = Support (Lk)/Support (am-1)
If (Conf >= Mincof) then begin

39
 Output the rule am-1⇒ (Lk – am-1)
với Confidence = Mincof and Support = Support (Lk)
If (m-1 >1) then Call Genrules (Lk, am-1);
End;
End;
4. Giải pháp hiệu quả
Trong các phần trên, đã trình bày tiến trình cơ bản để khai thác các luật kết hợp
trong CSDL, song vấn đề cần phải quan tâm nghiên cứu là tăng hiệu quả của thuật toán
trong trường hợp: “Số lượng tập ứng cử viên được tìm thấy là rất lớn”.
Trong phạm vi nghiên cứu của bài này, sẽ đưa ra một giải pháp mới để giải
quyết vấn đề đã nêu.
Tỉa các ứng cử viên: Việc tỉa các ứng cử viên nhằm mục đích bỏ đi các tập ứng
cử viên không cần thiết, rút gọn số lượng của tập các tập ứng cử viên. Sau đây, sẽ trình
bày kỹ thuật “tỉa” các ứng cử viên không cần thiết.
Kỹ thuật này có tinh chất: Các mục trong tập ứng cử viên được sắp xếp theo thứ
tự.
Nội dung kỹ thuật:
Forall Itesets c ∈ Ck do
Forall (k – 1) – subsets s of c do
If (s ∉ Lk – 1) then
Delete c from Ck
Dựa vào đây, ta có thể tỉa được các tập ứng cử viên, từ đó có thể giới hạn miền
tìm kiếm của nó trên tất cả các tập mục.
2.5. Quy trình khai thác luật kết hợp
B1 : Tìm tất cả các tập phổ biến (theo ngưỡng Minsup).
B2 : Tạo ra các luật từ các tập phổ biến.
Đối với mỗi tập phổ biến S, tạo ra tất cả các tập con khác rỗng của S.
Đối với mỗi tập con khác rỗng A của S.
Luật A ⇒ (S - A) là LKH cần tìm nếu:
conf (A ⇒ (S - A)) = supp (S) / supp (A) ≥ Minconf
2.6. Một số thuật toán khác
2.6.1. Thuật toán khai phá song song cho luật kết hợp mờ
Theo bài toán khai phá luật kết hợp mờ tuần tự trong phần trên, mỗi thuộc
tính iu trong I được gắn với tập các tập mờ Fi u như sau:

40
 Fi u = {f 1iu , f iu2 , …,f iuk }
Đặt tập FN = {k1} ∪ {k2} ∪ .v.v. ∪ {kn} = {s1, s2, …sv} (v ≤ n vì có thể tồn
tại những cặp ki và kj giống nhau) và N là số lượng BXL trong hệ thống, bài toán
phân chia tập thuộc tính mờ cho các BXL như sau:
Tìm một tập con Fn khác rỗng của tập FN sao cho tích các phần tử trong Fn
bằng số lượng BXL trong hệ thống. Trong trường hợp không tìm thấy nghiệm đúng
thì thuật toán sẽ trả về một nghiệm “chấp nhận được” tức là tích của các phần tử
trong Fn là xấp xỉ dưới của N.
Giả sử s = {k1, k2, …km} là một nghiệm của thuật toán phân chia (nghĩa là k1*k2
* …*km = N). Lúc đó, số lượng thuộc tính mờ giảm được tại các BXL so với thuật toán
tuần tự là (k1 – 1 ) + (k2 – 1 ) + …+ (km – 1 ) = (k1, + k2,…, km – m ). Nghiệm tối ưu là
nghiệm có giá trị của biểu thức (k1 + k2 + …+ km – m ) đạt cực đại, tức là số thuộc tính
giảm được càng nhiều càng tốt. Để dễ tìm kiếm nghiệm tối ưu, tập FN trước tiên phải
được sắp xếp giảm dần. Đây là chiến lược rất quan trọng bởi ta biết thời gian xử lý sẽ
giảm theo hàm mũ khi giảm dần số lượng thuộc tính mờ. Một chiến lược khác để tìm
nghiệm tối ưu là trong suốt quá trình tìm kiếm thuật toán chia phải tham chiếu đến độ
hỗ trợ của các thuộc tính mờ (đã được cập nhật sau khi thực hiện hàm Counting) để xét
xem chúng ta nên phân chia theo thuộc tính nào. Thuộc tính được phân chia phải có độ
hỗ trợ của các thuộc tính mờ tương đối cân bằng. Chiến lược này giúp cân bằng tỉa
giữa các BXL trong hệ thống ở các bước tiếp theo. Bài toán này có thể giải quyết bằng
chiến lược quay lui (có đệ quy hoặc không). Bảng dưới đây được trình bày theo cách
viết không đệ quy.
Thuật toán
Boolean Subset (FN,N,Idx)
k = 1;
Idx[1] = 0;
S = 0;
While (k > 0) {
Idx[k] ++;
If (Idx[k] <= sizeof (FN)) {
If (S * FN[Idx[k]] <= N) {
If (S * FN[Idx[k]] = = N)
Return True;
Else {
S * = FN[Idx[k]];
Idx[k + 1] = Idx[k];

41
 k + +;
}
}
} else {
K--;
S= FN[Idx[k]];
}
}
Return False;
FindSubset (FN, N, Idx, Fn)
for (n = N; n > 0; n --)
If (Subset (FN, n, Idx)) {
Fn = {FN[i] | i ∈ Idx}
Return;
1 }
2.6.2. Thuật toán FP-Growth
2.6.2.1 Bản chất.
- Khai thác tập phổ biến không sử dụng hàm tạo ứng viên.
- Nén CSDL thành cấu trúc cây FP (Frequent Patern)
- Duyệt đệ qui cây FP để tạo tập phổ biến
2.6.2.2. Qui trình.
B1 : Thiết lập cây FP
B2 : Thiết lập cơ sở mẫu điều kiện (Conditional Pattern Bases) cho mỗi hạng
mục phổ biến (mỗi nút trên cây FP).
B3 : Thiết lập cây FP điều kiện (Conditional FP tree) từ mỗi cơ sở mẫu điều
kiện
B4 : Khai thác đệ qui cây FP điều kiện và phát triển mẫu phổ biến cho đến
khi cây FP điều kiện chỉ chứa 1 đường dẫn duy nhất - tạo ra tất cả các tổ hợp của
mẫu phổ biến
a- Thiết lập cây FP (B1)
TID Items bought (ordered) Frequent items
100 {f, a, c, d, g, i, m, p} {f, c, a, m, p}
200 {a, b, c, f, l, m, o} {f, c, a, b, m}
300 {b, f, h, j, o, w} {f, b}

42
 400 {b, c, k, s, p} {c, b, p}
500 {a, f, c, e, l, p, m, n} {f, c, a, m, p} Minsupp = 60%
- Tìm tập phổ biến 1- hạng mục (duyệt CSDL 1 lần)
- Sắp xếp tập phổ biến giảm dần vào trong F-List
F-List = f-c-a-b-m-p
- Duyệt CSDL lần nữa và thiết lập cây FP
Bảng 2.6. Cây FP

Header Table
Item frequency head
f 4
TID c 4
Items bought
a 3
(ordered) frequent
b 3
items
m 3
100
{f, a, c, d, g, i, p 3
m, p} {f, c, a,
m, p}
200 {a, b, c, f, l, m, o} {f, c, a, b, m}
300 {b, f, h, j, o, w} {f, b}
400 {b, c, k, s, p} {c, b, p}
500 {a, f, c, e, l, p, m, n} {f, c, a, m, p} Minsupp = 3
- Tìm tập phổ biến 1- hạng mục (duyệt CSDL 1 lần)
- Sắp xếp tập phổ biến giảm dần vào trong F-List
F-List = f-c-a-b-m-p
- Duyệt CSDL lần nữa và thiết lập cây FP

Bảng 2.7. Cây FP

43
 {}

f:1
Header Table
Item frequency head
f 4 c:1
c 4
a 3
b 3
m 3 a:1
p 3

m:1

p:1

TID Items bought (ordered) frequent items

100 {f, a, c, d, g, i, m, p} {f, c, a, m, p}
200 {a, b, c, f, l, m, o} {f, c, a, b, m}
300 {b, f, h, j, o, w} {f, b}
400 {b, c, k, s, p} {c, b, p}
500 {a, f, c, e, l, p, m, n} {f, c, a, m, p} Minsupp = 3
- Tìm tập phổ biến 1- hạng mục (duyệt CSDL 1 lần)
- Sắp xếp tập phổ biến giảm dần vào trong F-List
F-List = f-c-a-b-m-p
- Duyệt CSDL lần nữa và thiết lập cây FP

Bảng 2.8. Cây FP

44
 {}

f:2
Header Table
Item frequency head
f 4
c 4 c:2
a 3
b 3
m 3 a:2
p 3

m:1 b:1

p:1 m:1

TID Items bought (ordered) frequent items

100 {f, a, c, d, g, i, m, p} {f, c, a, m, p}
200 {a, b, c, f, l, m, o} {f, c, a, b, m}
300 {b, f, h, j, o, w} {f, b}
400 {b, c, k, s, p} c, b, p}
500 {a, f, c, e, l, p, m, n} {f, c, a, m, p} Minsupp = 3

- Tìm tập phổ biến 1- hạng mục (duyệt CSDL 1 lần)

- Sắp xếp tập phổ biến giảm dần vào trong F-List
F-List = f-c-a-b-m-p
- Duyệt CSDL lần nữa và thiết lập cây FP

Bảng 2.9. Cây FP

45
 {}

Header Table f:3

Item frequency head
f 4
c 4
a 3 c:2 b:1
b 3
m 3
p 3 a:2

m:1 b:1

p:1 m:1

TID Items bought (ordered) frequent items

100 {f, a, c, d, g, i, m, p} {f, c, a, m, p}
200 {a, b, c, f, l, m, o} {f, c, a, b, m}
300 {b, f, h, j, o, w} {f, b}
400 {b, c, k, s, p} {c, b, p}
500 {a, f, c, e, l, p, m, n} {f, c, a, m, p} Minsupp = 3

- Tìm tập phổ biến 1- hạng mục (duyệt CSDL 1 lần)

- Sắp xếp tập phổ biến giảm dần vào trong F-List
F-List = f-c-a-b-m-p
- Duyệt CSDL lần nữa và thiết lập cây FP

Bảng 2.10. Cây FP

46
 {}

Header Table f:4 c:1

Item frequency head
f 4
c 4 c:3 b:1 b:1
a 3
b 3
m 3
a:3 p:1
p 3

m:2 b:1

p:2 m:1

Ví dụ cây FP Minsupp = 25%

N
u
A–9 ll
AB B–8 A B
BAC C–6
ABD : :
E–5
EBA D–3 9 3
AC
ABC B E C C E
BC : : : : :
BCD
BE 5 2 2 2 1
EA
ACE C D E D E D
ADE : : : : : :
2 1 1 1 1 1

Nếu Minsupp = 40% thì cây FP sẽ như thế nào ?

b-Thuật toán FP- Growth (B2)

- Bắt đầu từ mẫu phổ biến cuối bảng của cây FP
- Duyệt cây FP theo kết nối của mỗi hạng mục phổ biến p

47
- Gom tất cả đường dẫn tiền tố biến đổi (Transformed Prefix ) của hạng mục p để
tạo cơ sở mẫu điều kiện của p
Bảng 2.11. Cây FP

{}
Header Table
Item frequency head f:4 c:1 Conditional pattern bases
f 4 item cond. Pattern base
c 4 c:3 b:1
a 3 c f:3
b 3 a fc:3
m 3 a:3 p:1
b fca:1, f:1, c:1
p 3
m:2 b:1 m fca:2, fcab:1
p fcam:2, cb:1
p:2 m:1
c- Thuật toán FP- Growth (B3)
Với mỗi cơ sở mẫu :
- Đếm số lượng mỗi mẫu trong cơ sở mẫu
- Thiết lập cây FP cho tập phổ biến của mẫu cơ sở
VD : Giả sử có cở mẫu điều kiện cho p: {fcam:2, cb:1}
p-Conditional FP-tree
Bảng 2.12. Cây FP

{} Tất cả mẫu phổ biến liên

Header Table quan đến p là :
Item frequency head c:3  p,
c 3
cp
Với mỗi cơ sở mẫu :
- Đếm số lượng mỗi mẫu trong cơ sở
- Thiết lập cây FP cho tập phổ biến của mẫu cơ sở
Ví dụ : m-Conditional Pattern Base: fca:2, fcab:1

48
 Bảng 2.13. Cây FP

{}

Header Table f:4 c:1

Item frequency head
f 4
c 4 c:3 b:1 b:1
a 3
b 3
a:3 p:1
m 3
p 3
m:2 b:1

m:1
p:2

{}
Tất cả mẫu phổ biến liên quan
đến m là :
 f:3  m,
fm, cm, am,
c:3 fcm, fam, cam,
fcam
a:3

m-Conditional FP-Tree

49
Ví dụ
Bảng 2.14.Cơ sở dữ liệu

Item Conditional pattern-base Conditional FP-tree

p { (fcam:2), (cb:1) } { (c:3) } | p

m { (fca:2), (fcab:1) } { (f:3, c:3, a:3) } | m

b { (fca:1), (f:1), (c:1) } {}

a { (fc:3) } { (f:3, c:3) } | a

c { (f:3) } { (f:3) } | c

f {} {}

d- Thuật toán FP- Growth (B4)

{}

f:3 Cond. pattern base of “am”: (fc:3) {}

c:3 f:3

a:3 c:3
m-conditional FP-tree am-conditional FP-tree

Cond. pattern base of “cm”: (f:3)

cm-conditional FP-tree

Cond. pattern base of “cam”: (f:3) {}

f:3

cam-conditional FP-tree

- Giả sử cây FP T có một đường dẫn đến (Single Path) P

- Tập mẫu phổ biến cuối cùng của T sinh ra bằng cách liệt kê tất cả các tổ hợp của
Sub-Paths thuộc P

50
 {} Tất cả mẫu phổ biến liên
f:3 quan đến m
m,
c:3  fm, cm, am,
fcm, fam, cam,
a:3 fcam

m-Conditional FP-Tree

2.6.2.3. Thuật toán FP_Growth

Pocedure FP_Growth (Tree, α )
If cây FP chứa 1 path P then
For mỗi tổ hợp β của nốt trên P
Tạo mẫu β ∪ α với Supp = Suppmin (các nốt trong β );
Else for mỗi α i trên header của cây
Tạo mẫu β = α i ∪ α với supp = α i . Supp ;
Thiết lập β ’s Conditional Pattern base and β ’s Conditional FP-Tree Tree β
If Tree β ≠ ∅, gọi FP_Growth (Tree β , β ).
* Kết luật chương II:
Qua chương II chúng ta biết được việc áp dụng các thuật toán vào các lĩnh vực của
đời sống xã hội, nó có vai trò rất quan trọng trong việc xây dựng những hệ hỗ trợ ra
quyết định. Khai phá luật kết hợp là một hướng đi đang được hoàn thiện. Để có thể
áp dụng luật kết hợp trước tiên ta phải tiến hành mã hoá cơ sở dữ liệu hiện có, đây
là một bước quan trọng, quyết định có thể sinh luật kết hợp tốt hay không.
Thuật toán Apriori tìm tập mục phổ biến theo hướng sinh ứng cử.
Thuật toán FP_Growth tìm tập mục phổ biến theo hướng không sinh ứng cử.
Trên cơ sở là tập phổ biến tìm được ta áp dụng thuật toán khai phá luật kết hợp
để sinh ra tập luật kết hợp đáng tin.

51
 Chương III: CÀI ĐẶT VÀ THỬ NGHIỆM THUẬT
TOÁN TÌM TẬP PHỔ BIẾN VÀ LUẬT KẾT HỢP
3.1. Phát biểu bài toán.
Với sự phát triển của nền kinh tế hiện nay, thì việc kinh doanh đang là vấn đề
được rất nhiều người quan tâm. Xã hội càng phát triển thì trình độ con ngươi ngày
càng được nâng cao. Vì vậy phát triển giáo dục đang là vấn đề mà xã hội rất quan
tâm, lên việc kinh doanh các tài liệu về sách giáo khoa, sách tham khảo, đồ dùng
học tập,..đang là một hướng đi đúng. Nhưng để kinh doanh tốt thì người kinh doanh
phải biết quán lý nó như thế nào cho đúng và hợp lý nhất.
Từ những điều đó thiết nghĩa phải có một phần mềm quản lý bán sách, để hỗ
trợ cho người quản lý trong việc lựa chọn các đầu sách để bán. Ví dụ khi bán sách
giáo khoa thì bán kèm thêm sách tham khảo và đồ dùng học tập gì? Chúng có liên
quan tới nhau như thế nào?
Luật kết hợp cho ta biết việc lựa chọn các loại sách gì để bán, giúp người
quản lý đưa ra quyết định nhanh, chính xác và hiệu quả nhất.
3.2. Lựa chọn thuật toán để cài đặt phần mềm.
Có rất nhiều thuật toán để đưa ra việc lựa chọn các đầu sách trong việc quán
lý bán sách, nhưng chúng em lựa chọn thuật toán Apriori để cài đặt.
Mục đích của thuật toán này là đưa ra các luật kết hợp trong việc lựa chọn
các đầu sách để bán. Ví dụ khi bán sách Toán thì bán kèm thêm sách Lý, Hoá.
3.3. Yêu cầu khi cài đặt thuật toán.
- Về máy tính:
+ Cấu hình tối thiểu Ram 256.
+ Ổ cứng 2G còn trống.
+ CPU P4 1.7Ghz
- Về phần mềm:
+ Cài đặt Visual Studio 2005
+ DOT.NET 2.0.

52
3.4. Cơ sở dữ liệu.
3.4.1. Giao diện chính của cơ sở dữ liệu.

Hình 3.1. Giao diện chính của cơ sở dữ liệu

Mô tả một số chức năng trong giao diện:
+ Hệ Thống: Có chức năng thoát khỏi chương trình.
+ DM khách hàng: Có chức năng thêm, lưu, sửa, xóa dữ liệu cho khách hàng.
+ DM hàng: : Có chức năng thêm, lưu, sửa, xóa dữ liệu cho hàng hóa.
+ DM hóa đơn: : Có chức năng thêm, lưu, sửa, xóa dữ liệu cho hóa đơn.
+ DM Nhà CC: : Có chức năng thêm, lưu, sửa, xóa dữ liệu cho nhà cung cấp.
+ Apriori: Có chức năng ghi dữ liệu vào file XML.

53
 3.4.2. Bảng danh mục các Nhà cung cấp hàng hóa.
Cấu trúc và dữ liệu của bảng như sau:

Hình 3.2. Danh mục nhà cung cấp

Một số thuộc tính của bảng là:
+ MaNCC: Mã nhà cung cấp hàng hóa.
+ TenNCC: Tên nhà cung cấp hàng hóa.
+ DiaChi: Địa chỉ của nhà cung cấp hàng hóa.
+ DienThoai: Điện thoại của nhà cung cấp.
+ MaSoThue: Mã số thuế nhà cung cấp hang hóa.
+ Email: Email cua nhà cung cấp

54
3.4.3. Bảng danh mục các Hàng Hoá.
Cấu trúc và dữ liệu của bảng hàng hoá như sau:

Hình 3.3. Danh mục hàng hóa

Một số thuộc tính của bảng là:
+ MaH: Mã hàng hoá.
+ MaNCC: Mã nhà cung cấp hàng hoá.
+ TenHang: Tên hàng hoá.
+ MoTa: Mô tả hàng hóa.
+ ChungLoai: Chủng loại hàng hóa.

55
3.4.4. Bảng danh mục các Khách Hàng.
Cầu trúc và dữ liệu bảng khách hàng như sau:

Hinh 3.4.Danh mục khách hàng

Một số thuộc tính của bảng là:
+ MaKH: Mã khách hàng.
+ TenKH: Tên khách hàng.
+ SoCMND: Số chứng minh nhân dân.
+ DiaChi: Địa chỉ khách hàng.
+ DienThoai: Điện thoại khách hàng.
+ Email: Email của khách hàng

56
3.4.5. Bảng danh mục các Hoá Đơn.
Cấu trúc và dữ liệu của bảng hóa đơm như sau:

Hình 3.5. Danh mục hóa đơn

Một số thuộc tính của bảng là:
+ MaHD: Mã hoá đơn.
+ MaKH: Mã khách hàng.
+ NgayHD: Ngày nhập hoá đơn.
+ Ghichu: Ghi chú hóa đơn.

57
3.4.6. Bảng danh mục chi tiết Hoá Đơn.
Cấu trúc và dữ liệu của bảng chi tiết hóa đơm như sau:

Hình 3.6. Danh mục chi tiết hóa đơn

Một số thuộc tính của bảng là:
+ MaHD: Mã hoá đơn.
+ MaH: Mã hàng hóa.
+ SoLuong: Số lượng hàng hóa.

58
 3.4.7. Ghi XML.

Hình 3.7. Ghi XML

3.5. Giao diện chính chương trình.

Hình 3.8. Giao diện chính của chương trình

59
3.6. Kết nối dữ liệu.

Hình 3.9. Kết nối dữ liệu

3.7. Thêm dư liệu Xml

Hình 3.10. Thêm dư liệu XML

60
3.8. Kết quả phân tích

Hình 3.11. Kết quả phân tích

3.9. Kết quả lọc MinSup = 10

Hình 3.12. Kết quả lọc độ phổ biến tối thiểu

61
3.10. Kết quả lọc MinCon = 40%

Hình 3.13. Kết quả lọc độ tin cậy

* Kết luận chuơng III:

Cài đặt bằng thuật toán Apriori áp dụng trong quản lý bán hàng tại thị
siêu. Dựa vào kết quả này mà người quản lý biết được những nhóm mặt hàng nào
liên quan tới nhau, phục vụ cho mục đích quản lý và lựa chọn các mặt hàng để kinh
doanh.

62
 KẾT LUẬN CHUNG
Trong quá trình hoàn thành đồ án này, dù đã đạt được những kiến thức nhất định,
nhưng chúng em nhận thấy Khai phá dữ liệu nói chung và khai phá luật kết hợp nói
riêng là một lĩnh vực nghiên cứu rộng lớn, nhiều triển vọng. Đề tài đã trình bày
được các vấn đề cơ bản về khai phá dữ liệu: Tầm quan trọng của KPDL, các hướng
tiếp cận khai phá dữ liệu và các kỹ thuật khai phá dữ liệu. Khai phá dữ liệu sử dụng
luật kết hợp và một số thuật toán tìm tập mục thường xuyên theo hướng sinh ứng cử
và không sinh ứng cử. Phần cài đặt chương trình đã cài đặt được thuật toán khai phá
dữ liệu Apriori.
Tuy nhiên, do những hạn chế về tài liệu và thời gian nên chưa hoàn thành được việc
cài đặt thuật toán khai phá luật kết hợp, trong thời gian tiếp theo chúng em sẽ cố
gằng hoàn thành phần cài đặt này để đề tài được hoàn thiện hơn.
Chương I: Đã trình bày tổng quan về khai phá dữ liệu (Data Minning); Các
loại tri thức tiềm ẩn trong cơ sở dữ liệu, các kỹ thuật khai thác dữ liệu.
Chương II: Đã trình bày tổng quan về khai thác luật kết hợp, nêu ra những
khái niệm, định nghĩa, tính chất của tập mục và luật kết hợp, cách xác định độ hỗ
trợ của tập mục và luật, độ tin cậy của luật.
Đưa ra các mô hình bài toán khai thác luật kết hợp, nó là tiền để để các thuật
toán dựa vào đó phát triển và có những đánh giá so sánh giữa các thuật toán.
Chương II: Cũng trình bày về các thuật toán khai thác luật kết hợp, thuật
toán nổi tiếng là Apriori, thuật toán tìm luật kết hợp không phát sinh ứng viên dựa
vào cấu trúc cây FP- Tree,…
Chương III: Trình bày về cách cài đặt chương trình khai thác luật kết hợp
trong việc quản lý bán hàng tại thị siêu. Dựa vào kết quả này mà người quản lý
nắm bắt được những nhóm mặt hàng nào liên quan tới nhau, phục vụ cho mục
đích quản lý, lựa chọn các mặt hàng để kinh doanh.
Chương trình được cài đặt bằng thuật toán Apriori.

63
 HƯỚNG PHÁT TRIỂN ĐỀ TÀI
Một trong những công việc quan trọng của khai phá luật kết hợp là tìm tất cả
các tập phổ biến trong cơ sở dữ liệu, nên trong thời gian tới chúng em sẽ phát triển
đề tài rộng ra theo hướng: Ứng dụng thuật toán song song áp dụng cho bài toán
khai phá luật kết hợp mờ, là luật kết hợp trong các tập thuộc tính mờ.
Thuật toán song song chia đều cơ sở dữ liệu và tập ứng viên cho các bộ vi sử
lý, và các tập ứng viên sau khi chia cho từng bộ xử lý là hoàn toàn độc lập với
nhau mục đich cải thiện chi phí tìm luật kết hợp mờ và thời gian mã hoá dữ liệu.
Do nhược điểm của thuật toán Apriori là nếu dữ liệu lớn thì sự phân tích sẽ
mất rất nhiều thời gian vì vậy để khắc phục được nhược điểm đó thì chúng ta cần
sử dụng thêm một số thuật toán khác ví dụ như thuật toán FP_Growth, thuật toán
song song,..
Tiếp tục hoàn thiện hệ thống Quản lý bán hàng tại siêu thị và có thể ứng
dụng thêm vào các lĩnh vực khác như bán hàng tại các siêu thị, bán máy tính,..
Khi mà lượng dữ liệu thu thập và lưu trữ ngày càng tăng, cùng với nhu cầu
nắm bắt thông tin, thì nhiệm vụ đặt ra cho Khai phá dữ liệu ngày càng quan trọng.
Sự áp dụng được vào nhiểu lĩnh vực kinh tế xã hội, an ninh quốc phòng cũng là một
ưu thế của khai phá dữ liệu. Với những mong muốn đó chúng em hy vọng sẽ dần
đưa những kiến thức đã có từ đề tài này sớm trở thành thực tế, phục vụ cho cuộc
sống con người chúng ta.

64
 TÀI LIỆU THAM KHẢO
[1]. R. Agrawal, H. Mannila, R. Srikant, H. Toivonen, and A. I.Verkamo. Fast
discovery of association rules. In Advances in Knowledge Discovery and Data
Mining, pages 307–328,1996.
[2]. R. Agrawal and R. Srikant. Fast algorithms for mining associationrules. The
International Conference on Very LargeDatabases, pages 487–499, 1994.
[3]. R. Agrawal and R. Srikant. Mining sequential patterns. InP. S. Yu and A. L. P.
Chen, editors, Proc. 11th Int. Conf. DataEngineering, ICDE, pages 3–14. IEEE
Press, 6–10 1995.
[4]. N. F.Ayan, A. U. Tansel, and M. E. Arkun. An efficient algorithm to update
large itemsets with early pruning. In KnowledgeDiscovery and Data Mining, pages
287–291, 1999.
[5].TS Đỗ Phúc, Khai thác dữ liệu, Nhà xuất bản Đại Học Quốc Gia TP HCM 2005.
[6].Phạm Hữu Khang, Kỹ thuật lập trình C#.Net, Nhà xuất bản Lao Động- Xã Hội.
[7].Từng bước học lập trình Visual C#.Net, Nhà xuất bản Lao Động- Xã Hội.
[8]. Giáo trình trí tuệ nhân tạo - cầu trúc dữ liệu - giải thuật di truyền, Nhà xuất bản
Lao Động- Xã Hội.
[9]. http://www.cs.uh.edu/~ceick/6340/grue-assoc.pdf, truy cập cuối cùng ngày
20/03/2009.
[10].http://www.vnulib.edu.vn:8000/dspace/bitstream/123456789/1811/1/sedev020
6-03.pdf, truy cập cuối cùng ngày 22/03/2009.
[11].http://gralib.hcmuns.edu.vn/gsdl/collect/hnkhbk/index/assoc/HASH0107.dir/do
c.pdf, truy cập cuối cùng ngày 20-03-2009.
[12].http://www.tapchibcvt.gov.vn/News/PrintView.aspx?ID=15671, truy cập cuối
cùng ngày 22-03-2009.
[13].http://www.uit.edu.vn/forum/index.php?act=Attach&type=post&id=50641,
truy cập cuối cùng ngày 20-03-2009.

65
 BẢNG ĐỐI CHIẾU THUẬT NGỮ VIỆT - ANH
Tiếng Anh Tiếng Việt
Data Mining Khai phá dữ liệu
Data Dữ liệu
Knowledge Discovery in Database-KDD Phát hiện tri thức trong cơ sở dữ liệu
Target Mục đích, mục tiêu.
Clearsed Preprocessed Prepadated Làm sạch - Tiền xử lý - Chuẩn bị trước
Transform Chuyển đổi
Pattern Discovery Khám phá mô hình
Knowlege Tri thức
Clustering Phân cụm
Summerization Tóm tắt
Visualiztion Trực quan hoá
Evolution and deviation analyst Phân tích sự phát triển và độ lệch
Association rules Phân tích luật kết hợp
Classification Phân lớp
Regression Hồi quy
Clustering Gom nhóm
Summarization Tổng hợp
Dependency modeling Mô hình ràng buộc
Change and Deviation Dectection Dò tìm biến đổi và độ lệch
Hồi qui Regression
Cross validation Đánh giá chéo
Support Phổ biến
Minimum Support Độ phổ biến tối thiểu
Confidence Độ tin cây
Minimum Confidence Độ tin cây tối thiểu
Itemset Hạng mục
Procedure Thủ tục
Code Mã, cốt
Input Đầu vào
Output Đầu ra

66
Transasction Giao dịch
Transaction Identification Giao dịch định danh
Frenquent-Itemset Tập mục phổ biến
Frequent Patern Mô hình phổ biến
Conditional Pattern Bases Cơ sở mẫu điều kiện
Conditional FP tree Cây FP điều kiện
Transformed Prefix Tiền tố biến đổi

67