关联规则用来解释数据之间的相互依赖关系。
关联规则挖掘过程主要包含两个阶段:第一阶段必须先从资料集合中找出所有的高频项目组(Frequent Itemsets),第二阶段再由这些高频项目组中产生关联规则(Association Rules)。
关联规则挖掘通常比较适用与记录中的指标取离散值的情况。如果原始数据库中的指标值是取连续的数据,则在关联规则挖掘之前应该进行适当的数据离散化(实际上就是将某个区间的值对应于某个值),数据的离散化是数据挖掘前的重要环节,离散化的过程是否合理将直接影响关联规则的挖掘结果。
关联规则模式属于描述型模式,发现关联规则的算法属于无监督学习的方法。
一般用以下4个参数来描述关联规则的属性(下面以关联规则A->B为例说明):
1.支持度(support) 评估A、B在整个事务集中共现的概率。P( AnB)
2.可信度(confidence) 评估所有有A出现的事务集中B出现的概率。P(B|A)
3.期望可信度(expected confidence) 评估B无约束下在整个事务集中出现的概率。P(B)
4.作用度(lift) 可信度与期望可信度的比值。评估A的出现对B的出现影响有多大。
可信度是对关联规则准确度的一个衡量,支持度是对关联规则重要性(或适用度)的衡量(应该对它有个感性上的认识)。有用的关联规则作用度都应该大于1(比较明显额)。
这是一些基本的概念,具体的一些讨论和算法在后面的博客上再做阐述。
本人也是初学者,文章中不免出现错误和遗漏,还望不吝指正,多多交流沟通。