数据挖掘中,被常拿来说的啤酒尿布的例子就是一个很典型的运用关联算法来做购物来分析的例子。常被用于交易数据、关系数据的分析,发现数据集中隐藏的频繁模式,这些频繁模式可以用关联规则的形式表示,有效的关联规则对商家的商品进出货摆放都有很大的指导意义。
设 是项的集合,数据集D是事务的集合,每项事务T是一个非空项集,且T是I的非空子集。每项事务都有一个唯一标识符,定义为TID,A和B均为事务T中的非空子集,并且A和B无交集。则规则 成立,支持度s是D中同时包含A和B的事务所占的百分比,置信度c是包含A的事务中包含B的事务的百分比。如下:
频繁模式中同时满足最小支持度阈值和最小置信度阈值的为强关联规则。
综上,关联规则挖掘主要分为两步:
1. 找出所有频繁项集。每个项集出现频次大于最小支持计数。
2. 由频繁项集得到强关联规则。这些规则同时满足最小支持度阈值和最小置信度阈值。
Apriori
Apriori先验算法,基于先验性质:频繁项集的所有非空子集也一定是频繁的。
针对水平数据{TID:item_set}
发现频繁集的过程
1. 扫描找出候选项集