算法原理:
基本概念介绍:
- 支持度:
对于事件 A→B 的支持度 support=P(AB) - 置信度:
置信度 confidence=P(B|A)=P(AB)/P(A) ;
3、强关联规则:
如果存在一条关联规则,它的支持度和置信度都大于预先定义好的最小支持度与置信度,我们就称它为强关联规则。强关联规则就可以用来了解项之间的隐藏关系。所以关联分析的主要目的就是为了寻找强关联规则,而Apriori算法则主要用来帮助寻找强关联规则。
4、频繁项
在多个集合中,频繁出现的元素/项,就是频繁项。
5、频繁项集
有一系列集合,这些集合有些相同的元素,集合中同时出现频率高的元素形成一个子集,满足一定阈值条件,就是频繁项集。
6、极大频繁项集:
元素个数最多的频繁项集合,即其任何超集都是非频繁项集。
7、相似性分析:
研究的对象是集合之间的相似性关系。而频繁项集分析,研究的集合间重复性高的元素子集。
1.2、Apriori算法描述&#