关联规则笔记1

---

前言

关联分析:基于已有数据，找到事物间的简单关联关系或序列关联关系。
关联分析成果（即关联关系）的核心体现形式是关联规则，包括简单关联规则或序列关联规则。

一提到关联规则，就会想到Apriori算法，又会想到啤酒尿布的故事。但我们老师说这个故事是用来吸引人用的，确实这两个事物放在一起，挺有趣的。

今天先介绍一下有关简单关联规则的基本概念，这次参考的主要是 薛薇. (2014). R语言数据挖掘 (3rd ed.). 中国人民大学. ，收获颇多，也把好东西整理好分享给大家。之后再尝试用R语言练习一些简单的问题。

---

一、概念

1.事务和项集

名称	解释
事务	简单关联分析的分析对象。（行为）
事务标识	确定一个事务的唯一标识。
项目集合（简称项集）	一组项目的集合
项目	例：商品、网页链接、险种

事务=事务标识（TID）+项目集合X

I是项目全体，包含K个项目，记为 I = { I 1 , I 2 , ⋯   , I k } I=\left\{ I_1,I_2,\cdots ,I_k \right\} I={ I1​,I2​,⋯,Ik​}
则项集$$X\subseteq I$$

若项集X中包含k个项目，则称项集X为k-项集

---

下表是4名顾客某一天的购买数据，TID是事务标识，A,B,C,D,E分别为商品代码。

TID	项集X
1	{B,E}
2	{A,C,D}
3	{A,B,C,E}
4	{B,D}

这里包含4个事务，I包含5个项目（k=5）。对于3号顾客（第3个事务），一次性购买了4中商品，其项集X是个4-项集。本例包含2个2-项集、1个3-项集、1个4-项集。

---

2.表示形式

一般表示形式：$$X\to Y\left(S=s\%,C=c\%\right)$$
其中：
X：规则的前项（项目、项集、包含项目以及逻辑操作符的逻辑表达式）
Y：规则的后项（一个项目，表示某种结论或事实）
S：支持度
C：置信度
含义:有c%的把握程度相信有前项则会有后项，该关联规则的适用性为s%。

例：
{ 性别 ( 男 ) ⋂ 收入 ( > 5000 ) } → { 品牌 ( A ) } ( S = 80 % , C = 85 % ) \left\{ \text{性别}\left( \text{男} \right) \bigcap{\text{收入}\left( >5000 \right)} \right\} \rightarrow \left\{ \text{品牌}\left( A \right) \right\} \left( S=80\%,C=85\% \right) { 性别(男)⋂收入(>5000)}→{ 品牌(A)}(S=80%,C