数据挖掘：模型选择——关联规则

关联规则介绍

关联规则是一种从大型数据库中发现事物间相关性的方法。

• 关联：当某件事物发生时，其他事物也会发生。
• 关联分析：两个或多个事物之间存在一定的关联，那么其中一个事物就能通过其他事物进行预测，其目的是挖掘数据之间的相关性和规律性。

比较常见的应用就是购物篮分析，分析用户购买产品的习惯，购买A产品后，购买B产品的概率。网上传的“啤酒和尿布”的故事，虽然是假的，但却是个比较好的例子，来说明事物之间关联性。

关联规则可以表示为如下式子：R：X→Y。比如尿布→啤酒，就是一条规则。

关联规则中的概念

项与项集：

• 项：数据库中可不分割的最小单位信息，也叫项目，用符号i表示。（即单个商品，比如牛奶，尿布等）
• 项集：项的集合，设集合I={i1,i2,i3,……,ik}是项集，I中项目个数为k，集合称为k-项集。（集合中有k个商品就是k-项集，类似超市的采购清单）

事务：假设I={i1,i2,i3,……,ik}是数据库中所有项构成的集合（即整个超市），给定一个交易数据库D，每个事务t是I的子集，每个交易都与一个唯一的标示符TID对应。（即每个人购物车里的商品情况）

关联规则中重要的三个概念：

支持度

支持度：项集在整个D（所有数据，假设有N个数据）中出现的概率。某个商品组合出现的次数与总次数之比。其公式为：
在整个N中支持了多少个X。

这里{牛肉，鸡肉}的组合出现在t1,t4,t5，出现次数为3，一共的数据量为7（事务数），所以支持度为3/7。下一个同理。

最小支持度

对于出现次数不多的商品，往往不用去关注，为了衡量哪些商品出现得频繁，哪些商品出现得不频繁，提出了最小支持度的概念。这里的最小支持度是人为设定的。

置信度

置信度