关联规则算法总结

目的：两个属性是否相关联的研究

物品集I里面是物品，事务集

事务T支持物品集A：这个事务中包含此物品

支持度

物品A的支持度：1000个顾客购物，200个买了面包，支持度20%(200/1000)

关联规则A->B的支持度(联合概率)：1000个顾客购物，100个购买了面包和黄油。则面包->黄油 10%

可信度

关联规则A->B的可信度(条件概率)：1000个顾客购物，200个购买了面包,140个购买了面包和黄油，则可信度为70%(140/200)

A->B的支持度和B->A的支持度一样，可信度不同。

规则度量

最小支持度minsup：关联规则必须满足的最小支持度

最小可信度minconf：关联规则必须满足的最小可信度

大项集

频繁项集：支持度不小于minsup的物品集

最大频繁项目集：频繁集中挑选出所有不被其他元素包含的平凡项目集。

关联规则发现任务

事务数据库D，满足最小支持度和最小可信度的关联规则

1)求D中满足最小支持度的所有频繁集(Apriori算法和FP树都是找频繁集的算法)。大于支持度

2)利用频繁集生成满足最小可信度的所有关联规则。大于可信度

高效求出频繁集：生成长度为1的L[1]；L[k]的基础上生成候选物品集C[k+1],候选物品集必须保证包括所有的频繁项集。