- Support of an Itemset
- X={牛奶},则Support(支持度)为交易记录中买了牛奶的记录数占总记录数的百分比
- Support & Confidence of Association Rule
- X={牛奶},Y={面包},则Support(支持度)为交易记录中买了牛奶和面包的记录数占总记录数的百分比
- X={牛奶},Y={面包},则Confidence(置信度)为交易记录中买了牛奶和面包的记录数与只买了牛奶记录数之比
- Confidence其实就是条件概率
- 我们希望(有意义的规则)
- 规则本身经常出现(Support)
- 规则本身足够强(Confidence足够高)
- 计算
- Frequent Itemsets and Strong Rules
- 关联规则的挖掘定义:有了I商品,D数据库,以及两个阈值(Support、Confident)需要找出数据库中符合X->Y条件的所有规则
- 存在的问题:
- 真实的数据库有海量的数据,无法一个一个地查找
- 所有商品的组合也是非常大的,比如100件商品的两两组合、三三组合......(组合爆炸),导致这个问题很难计算
- The Big Picture
- 步骤:
- 找出所有频繁出现的Itemsets(最麻烦)
- 生成Itemsets所有非空的子集
- 利用这些非空子集找出所有可能的关联规则
- 找出关联规则后校验
- 步骤:
7.2支持度与置信度
最新推荐文章于 2024-08-20 13:13:08 发布