多样项集

多等级频繁项集

比如在level 1中牛奶的支持度为0.1，level 2中脱脂牛奶为0.02，非脱脂牛奶为0.06

一般用最小的min-support传递给下一次level来解决

多维度频繁项集

数值关联挖掘

比如年龄与薪水，两个数值型数据同时出现的相关问题的讨论

1、基于预分层级的静态离散分析：数据立方聚合

2、基于数据分布的动态离散分析

3、聚类：每个维度聚类，再相关联

4、偏差分析：性别(女)->薪水(均值$7/hr(两性一共$9/hr))

稀有模式与负模式挖掘

稀有模式：有一些项集支持度非常低(比如买很贵的手表交易在所有订单中)

负模式：不太可能同时出现的模式(限牌，一顾客同时买两辆汽车) $sup(A\cup B) \ll sup(A)\times sup(B)$

压缩及低冗余项集挖掘

压缩数据：

低冗余：