数据上的关联规则

关联规则挖掘的目标是发现数据项集之间的关联关系或相关关系，是数据挖掘中的一个重要的课题。

先简单介绍一下关联规则挖掘中涉及的几个基本概念：

定义1：项与项集

数据库中不可分割的最小单位信息，称为项目，用符号i表示。项的集合称为项集。设集合I={i1, i2, ..., ik}是项集，I中项目的个数为k，则集合I称为k项集。

定义2：事务

设I={i1, i2, ..., ik}是由数据库中所有项目构成的集合，一次处理所含项目的集合用T表示，T={t1, t2, ..., tn}。每一个包含ti子项的项集都是I子集。

定义3：项集的频数（支持度计数）

包括项集的事务数称为项集的频数（支持度计数）。

定义4：关联规则

关联规则是形如X=>Y的蕴含式，其中X、Y分别是I的真子集，并且X∩Y=Ø。X称为规则的前提，Y称为规则的结果。关联规则反映X中的项目出现时，Y中的项目也跟着出现的规律。

定义5：关联规则的支持度（Support）

关联规则的支持度是交易集中同时包含的X和Y的交易数与所有交易数之比，记为support(X=>Y)，即support(X=>Y)=supportX∪Y=P(XY)。支持度反映了X和Y中所含的项在事务集中同时出现的概率。

定义6：关联规则的置信度（Confidence）

关联规则的置信度是交易集中包含X和Y的交易数与所有包含X的交易数之比，记为confidence(X=>Y)，即：confidence(X=>Y)==P(Y|X)。置信度反映了包含X的事务中，出现Y的条件概率。

定义7：最小支持度与最小置信度

通常用户为了达到一定的要求，需要指定规则必须满足的支持度和置信度阈限，当support(X=>Y)、confidence(X=>Y)分别大于等于各自的阈限值时，认为X=>Y是有趣的，此两个值称为最小支持阈值(min_sup)和最小置信阈值(min_conf)。其中，min_sup描述了关联规则的最低重要程度，min_conf规定了关联规则必须满足的最低可靠性。

定义8：频繁项集

设U={u1, u2, ..., un}为项目的集合，且UI，U≠Ø，对于给定的最小支持度min_sup，如果项集U的支持度support(U)≧min_sup，则称U为频繁项集，否则