关联规则挖掘

数据挖掘——关联规则，频繁项集挖掘方法

搞数据分析数据挖掘相关的人都知道： 啤酒和尿布这个“梗”，下面以购物篮为例：

TId	项集
1	{面包，牛奶}
2	{面包，尿布，啤酒，鸡蛋}
3	{牛奶，尿布，啤酒，可乐}
4	{面包，牛奶，尿布，啤酒}

K项集：包含0个或多个项的集合（一般只查找项集多的集合，出现少的项集可以忽略不计）

TId：事务T是一个非空项集，表中每一行代表一个事务。这里TId=4.

关联规则 定义式：

α=>β（s,c）

s:支持度：指事务中包含α，β的百分比，用于做判断。

c：置信度

频繁项集：项集中出现的频度大于min_support

例如：表格中事务

当K=1时，一项集。面包：3（3/TId=75%）,牛奶：3（3/TId=75%）,尿布：3（75%），啤酒：（75%）

当K=2时，二项集（事务中同时包含指定的两个）。{面包，牛奶}：2（2/4=50%）,{面包，尿布}：2（2/4=50%），{尿布，啤酒}：3（75%），{牛奶，啤酒}：2（50%）

以此类推3，4......

关联规则度量：支持度s和置信度c

置信度c:指事务中包含a事务的同时也包含b的百分比。eg: confidence(a=>b)=p(b|a)=p(aUb)/p(a)

Tid	items
1	{A,B,C}
2	{A,C,D}
3	{A,D,E}
4	{B,E,F}
5	{B,C,D,E,F}

K=1: A:60% B:60% D:80% E:60% (以为C,F占少量，相比于度量较小，所有不算入项集)

k=2: AD:60% (这里只找一个研究，读者可以罗列出所有的二项集)

度量规则：

A->D (60%,100%) :AD的支持度时60%，置信度60%/60%=100% D->A(60%,75%)：DA的支持度是60%，置信度60%/80%=75%

其中A->D 置信度100%表示存在A一定有D，D->A 置信度75%表示存在D有75%的可能有A。

提升度： life=p(aUb)/p(a)p(b)