关联规则(Association Rules)
用于大量数据中挖掘出有价值的数据项之间的相关关系
常用于用户购物篮分析,使用它来发现顾客的购买习惯
两个不相交的非空集合X、Y,如果有X->Y,就说X->Y是一条关联规则。关联规则的强度用支持度(support)和自信度(confidence)来描述,关联规则是否可用,使用提升度(Lift)来描述。
挖掘定义
给定一个数据集,找出其中所有支持度support>=min_support,自信度confidence>=min_confifence的关联规则。
支持度(Support)
support(X->Y)=集合X与集合Y中的项在一条记录中同时出现的次数/数据的个数
例如:
support({啤酒->尿布})=啤酒和尿布同时出现的次数/记录数
自信度(Cconfidence)
confidence(X->Y)=集合X与集合Y中的项在一条记录中同时出现的次数/集合X出现的个数
例如:
confidence({啤酒}->{尿布})=啤酒和尿布同时出现的次数/啤酒出现的次数
提升度(Lift)
度量规则是否可用的指标,描述的是相对于不用规则,使用规则可以提高多少,有用的规则的提升度大于1
计算公式=lift({A→B})=confidence({A→B})/support(B)
实现关联规则的API
install.packages(“arules”)
apriori(x,parameter=