数据挖掘|关联分析与Apriori算法详解

1. 关联分析

关联规则分析（Association-rules Analysis）是数据挖掘领域的一个重要方法，它是以某种方式分析数据源，从数据样本集中发现一些潜在有用的信息和不同数据样本之间关系的过程。

关联是指在两个或多个变量之间存在某种规律性，但关联并不一定意味着因果关系。
关联规则是寻找在同一事件中出现的不同项目的相关性，关联分析是挖掘关联规则的过程。
比如在一次购买活动中所买不同商品的相关性。

关联分析即利用关联规则进行数据挖掘。
关联规则是形式如下的一种规则，“在购买计算机的顾客中，有30％的人也同时购买了打印机”。
从大量的商务事务记录中发现潜在的关联关系，可以帮助人们作出正确的商务决策。
关联规则分析于1993年由美国IBM Almaden Research Center 的 Rakesh Agrawal 等人在进行市场购物篮分析时首先提出的，用以发现超市销售数据库中的顾客购买模式，现在已经广泛应用于许多领域。
早期关联分析用于分析零售企业顾客的购物行为模式，所以关联分析又被称为购物篮分析。
关联规则也可用于商品货架布置、销售配置、存货安排、购物路线设计、商品陈列设计、交叉销售以及根据购买模式对用户进行分类等方面。
比较经典的关联规则是啤酒和尿布的故事。

2. 关联规则相关概念

2.1 项目

集合$I=i_1,i_2,...,i_m$称为项集合，其中$m$为正整数，$i_k（k=1，2，\dots ,m)$称为项目。
项目是一个从具体问题中抽象出的一个概念。在超市的关联规则挖掘问题中，项目表示各种商品，如旅游鞋等。

2.2 事务

由于在超市的关联规则挖掘中并不关心顾客购买的商品数量和价格等，因此顾客的一次购物可以用该顾客所购买的所有商品的名称来表示，称为事务，所有事务的集合构成关联规则挖掘的数据集，称为事务数据库。
关联规则挖掘的数据库记为$D$，事务数据库$D$中的每个元组称为事务。一条事务$T$是$I$中项目的集合。一条事务仅包含其涉及到的项目，而不包含项目的具体信息。在超级市场的关联规则挖掘问题中事务是顾客一次购物所购买的商品，但事务中并不包含这些商品的具体信息，如商品的数量、价格等。

2.3 项目集

项目集是由$I$中项目构成的集合。若项目集包含的项目数为$k$，则称此项目集为$k-$项目集。任意的项目集$X$和事务$T$若满足$T\supseteq X$，则称事务$T$包含项目集$X$。在超市的关联规则挖掘问题中项目集可以看成一个或多个商品的集合。若某顾客一次购买所对应的事务T包含项目集$X$，就说该顾客在这次购物中购买了项目集$X$中的所有商品。

2.4 频繁项目集

对任意的项目集$X$，若事务数据库$D$中的事务包含项目集$X$的比例为$\epsilon$，则项目集的支持率为$\epsilon$，记为$support(X)=\epsilon$，其中包含项目集$X$的事务数称为项目集$X$的频度，记为$count(X)$。若项目集$X$的支持率大于或等于用户指定的最小支持率（minsupport），则项目集$X$称为频繁项目集（或大项目集），否则项目集$X$为非频繁项目集（或小项目集）。如果数据库$D$中的事务数记为$|D|$，频繁项目集是至少被$\epsilon |D|$条事务包含的项目集.

2.5 支持度

关联规则是形如$U\to$