·410 智能系统学报 第10卷 的子句过长、数量过多，以及属性间的相关性不够 耗的对比实验。通过多次实验，选取的负样本基数 强。由于二进制编码方法和关联规则挖掘过程的随 为50，这种大小的样本空间可以让OCAT方法的耗 机性都会影响所生成的关联规则的准确性，故需要 时不会太大，又能明显比较出2种方法在相同数据 在实验过程中进行多级反馈和修正。基于启发式的 集上的时间耗费差异。在改变正样本的基数时，分 OCAT算法流程如下。 别使用上述2种方法的运算时间对比如图2(a)所 输入：正负样本E和E。 /E、E分别是 示。同理，将正样本基数固定为10，负样本基数从 未流失和已流失客户数据集。 50开始，每次增加10条负样本记录，一直到100 输出：程序执行多次所得最优的关联规则C,其 条，此时得到的运算时间对比如图2(b)所示。此 规范形式为式(1)所示，其中析取子式由属性片段 外，在300条正样本与100条负样本情况下，对二者 析取得到，并能保证子式的数量n最少，且子式中属 的内存占用情况进行对比，其中图2(c)为未运行程 性片段的数量也是最少。 序时的内存占用，图2(d)与图2(e)分别为使用 C=(析取子式1)八析取子式2∧.个 OCAT方法与加入启发式方法后的内存占用情况。 析取子式n八… (1) 一未加入启发式 初始化E、E和C=☑ 。一加入启发式 Do While(E≠⑦) 2 重置集合A,C,=☑；/A为二进制编码 属性片段a的集合，a4为A,或-4： 1 Do While(E*≠☑) 画 1)根据POS(a)/NEG(a,)的比值逆序排 列A中的元素a4(如果NEG(a4)为零， 则将POS(a)作为它的值)： 2)选择有序集A中前α(%)的元素生成 10 11 12131415 16 待选集合L; 正样本数 3)从L中随机选择属性a加入到C:中： (a)正样本数-时间关系 4)E←-E*-E(a);/E(a)为包含 a时C,所能接受的E的中的元素集合 5)A←-A-a4: /将a从集合A中别除 ·一未加入启发式 6)对所有a4∈A重新计算P0S(a)的值： 一加入启发式 Repeat 7)C-C∧C: //将子式C合取到关联 0 规则C中 8)E←-E-E(C); /E-(C)为C 目前所能拒绝的E中的元素集合 9)重置E*: 50 70 90 110 负样本数 Repeat (b)负样本数-时间的关系 2细精度关联规则挖掘 goen 内存 4.0 GB DDR2 有程地用道 110t 为了验证上述方法在预测客户流失过程中的可 航a 行性及有效性，我们设计并实现了各个过程。实验 袋occ白 环境为1)CPU/内存/硬盘：AMD Athlon(m)Ⅱ 以太同 X2215/DDR24GB/320GB7200转/min:2)平台/ 湘中 430Me 环境/语言Windows8.164bit操作系统、Microsoft 1.0 GB 27 GB Visual Studio2013/C、C#。 1.1/4.6GB1.8G6 度生有 为了验证加入启发式规则后算法的收敛效果， 245MB77.6MB 在相同正负样本和相同环境下进行了时间与空间消 (c)电脑空闲时的内存的子句过长、数量过多，以及属性间的相关性不够 强。 由于二进制编码方法和关联规则挖掘过程的随 机性都会影响所生成的关联规则的准确性，故需要 在实验过程中进行多级反馈和修正。 基于启发式的 ＯＣＡＴ 算法流程如下。 输入：正负样本 Ｅ ＋和 Ｅ － 。 ／ ／ Ｅ ＋ 、Ｅ －分别是 未流失和已流失客户数据集。 输出：程序执行多次所得最优的关联规则 Ｃ，其 规范形式为式（１）所示，其中析取子式由属性片段 析取得到，并能保证子式的数量 ｎ 最少，且子式中属 性片段的数量也是最少。 Ｃ ＝ （析取子式 １） ∧ 析取子式 ２ ∧．．． ∧ 析取子式 ｎ ∧ … （１） 初始化 Ｅ ＋ 、Ｅ －和 Ｃ ＝ ∅ Ｄｏ Ｗｈｉｌｅ （Ｅ －≠ ∅ ） 重置集合 Ａ，Ｃｉ ＝ ∅ ； ／ ／ Ａ 为二进制编码 属性片段 ａｋ的集合，ａｋ为 Ａｉ或ØＡｉ Ｄｏ Ｗｈｉｌｅ （Ｅ ＋≠ ∅ ） １）根据 ＰＯＳ（ａｋ） ／ ＮＥＧ（ａｋ）的比值逆序排 列 Ａ 中的元素 ａｋ（如果 ＮＥＧ（ａｋ）为零， 则将 ＰＯＳ（ａｋ）作为它的值）； ２）选择有序集 Ａ 中前α （％）的元素生成 待选集合 Ｌ； ３）从 Ｌ 中随机选择属性 ａｋ加入到 Ｃｉ中； ４）Ｅ ＋←Ｅ ＋ －Ｅ ＋ （ａｋ）； ／ ／ Ｅ ＋ （ａｋ）为包含 ａｋ时 Ｃｉ所能接受的 Ｅ ＋的中的元素集合 ５）Ａ←Ａ－ａｋ； ／ ／ 将 ａｋ从集合 Ａ 中剔除 ６）对所有 ａｋ∈Ａ 重新计算 ＰＯＳ（ａｋ）的值； Ｒｅｐｅａｔ ７）Ｃ←Ｃｉ∧Ｃ； ／ ／ 将子式 Ｃｉ合取到关联 规则 Ｃ 中 ８）Ｅ －←Ｅ － －Ｅ － （Ｃ）； ／ ／ Ｅ－ （Ｃ）为 Ｃ 目前所能拒绝的 Ｅ －中的元素集合 ９）重置 Ｅ ＋ ； Ｒｅｐｅａｔ ２ 细精度关联规则挖掘 为了验证上述方法在预测客户流失过程中的可 行性及有效性，我们设计并实现了各个过程。 实验 环境 为 １） ＣＰＵ／ 内 存／ 硬 盘： ＡＭＤ Ａｔｈｌｏｎ （ ｔｍ） Ⅱ Ｘ２２１５ ／ ＤＤＲ２ ４ ＧＢ ／ ３２０ ＧＢ ７ ２００ 转／ ｍｉｎ；２）平台／ 环境／ 语言 Ｗｉｎｄｏｗｓ ８． １ ６４ ｂｉｔ 操作系统、Ｍｉｃｒｏｓｏｆｔ Ｖｉｓｕａｌ Ｓｔｕｄｉｏ ２０１３ ／ Ｃ、Ｃ＃。 为了验证加入启发式规则后算法的收敛效果， 在相同正负样本和相同环境下进行了时间与空间消 耗的对比实验。 通过多次实验，选取的负样本基数 为 ５０，这种大小的样本空间可以让 ＯＣＡＴ 方法的耗 时不会太大，又能明显比较出 ２ 种方法在相同数据 集上的时间耗费差异。 在改变正样本的基数时，分 别使用上述 ２ 种方法的运算时间对比如图 ２（ａ）所 示。 同理，将正样本基数固定为 １０，负样本基数从 ５０ 开始，每次增加 １０ 条负样本记录，一直到 １００ 条，此时得到的运算时间对比如图 ２（ ｂ） 所示。 此 外，在 ３００ 条正样本与 １００ 条负样本情况下，对二者 的内存占用情况进行对比，其中图 ２（ｃ）为未运行程 序时的内存占用，图 ２ （ ｄ） 与图 ２ （ ｅ） 分别为使用 ＯＣＡＴ 方法与加入启发式方法后的内存占用情况。 （ａ）正样本数－时间关系 （ｂ）负样本数－时间的关系 （ｃ）电脑空闲时的内存 ·４１０· 智 能 系 统 学 报 第 １０ 卷