Level3 — PART 4 — 机器学习算法 — 序列模式

目录

基本概念

支持度

置信度

AprioriAll算法

排序阶段

频繁项集阶段

模拟题

CDA LEVEL III 模拟题（一）

CDA LEVEL III 模拟题（二）

---

        在关联规则挖掘中，更关注项集和项集（或两个项）同时出现的关系，而忽略了数据中的序列信息，例如时间、空间等。关于关联规则挖掘可参见如下文章：

Level3 — PART 4 — 机器学习算法 — 关联规则-CSDN博客        

        序列模式挖掘（sequence pattern mining）最早是由Agrawal和Srikant提出的，它在关联规则基础之上，挖掘相对时间（空间）或其他模式出现频率高的模式，典型的应用还是限于离散型的序列。

基本概念

        大型连锁超市的交易数据有一系列的用户事务数据库，每一条记录包括用户的ID，事务发生的时间和事务涉及的项目。如果能在其中挖掘涉及事务间关联关系的模式，即用户几次购买行为间的联系，可以采取更有针对性的营销措施。如下：