数据挖掘之关联分析七（非频繁模式）

非频繁模式

非频繁模式，是一个项集或规则，其支持度小于阈值minsup.
绝大部分的频繁模式不是令人感兴趣的，但其中有些分析是有用的，特别是涉及到数据中的负相关时，如一起购买DVD的顾客多半不会购买VCR，反之亦然，这种负相关模式有助于识别竞争项(competing item)，即可以相互替代的项。

某些非频繁模式也可能暗示数据中出现了某些罕见事件或例外情况。如，如果{火灾=yes}是频繁的，但是{火灾=yes，警报=on}是非频繁的，则后者是有趣的非频繁模式，因为可能指出报警系统出问题，为了检测这种情况，可以确定模式的期望支持度，当模式支持度小于期望支持度时，表明其实一个有趣的非频繁模式。

挖掘非频繁模式的主要问题是：
1. 如何识别有趣的非频繁模式。
2. 如何在大数据集中有效地发现它们。

负模式

设$I = { i_1, i_2, \cdots, i_d }$是项的集合。负项$\bar{i_k}$表示项$i_k$不在给定事务中出现。如事务不包含咖啡，则$\bar{咖啡}$是一个值为1的负项。

负项集，负项集X是一个具有如下性质的项集：（1）$X = A \cup \bar{B}$，其中A是正项的集合，而$\bar{B}$是负项的集合，$|\bar{B}| \geq 1$；（2）$s(X) \geq minsup$。

负关联规则，（1）规则是从负项集中提取的，（2）规则支持度大于或等于minsup，（3）规则的置信度大于或等于minconf。

负项集和负关联规则称为负模式（negative pattern）。负关联规则的一个例子是$茶 \to \bar{咖啡}$。

负相关模式

用$X = {x_1, x_2, \cdots, x_k}$表示k-项集，P(X)表示事务包含X的概率。在关联分析中，这个概率通常用项集的支持度s(X)估计。

负相关项集 项集X是负相关的，如果

s(X)<∏j=1ks(xj)=s(x1)