关联分析旨在发现物品之间的潜在关系，通过寻找频繁项集（如超市中的{啤酒,尿布}，{鸡蛋,牛奶}等）并基于关联规则确定物品关联。Apriori算法利用支持度和置信度这两个关键指标来衡量关联强度，支持度表示物品流行程度，置信度表示购买A物品后购买B物品的概率。算法中利用Apriori性质减少计算量，加速频繁项集的查找过程。"
114642992,10206262,OpenStack环境配置实战指南,"['Linux', 'CentOS', 'OpenStack', '数据库', '消息队列']
✴关联分析概述
选择物品间的关联规则也就是要寻找物品之间的潜在关系。要寻找这种关系，有两步，以超市为例
- 找出频繁一起出现的物品集的集合，我们称之为频繁项集。比如一个超市的频繁项集可能有{ {啤酒,尿布},{鸡蛋,牛奶},{香蕉,苹果}}
- 在频繁项集的基础上，使用关联规则算法找出其中物品的关联结果。
简单点说，就是先找频繁项集，再根据关联规则找关联物品。
---------------------------------------------------------------------------------------------------------------------------------
找关联的时候主要有两个阈值进行参考：
1、支持度（Support）：支持度可以理解为物品当前流行程度。
支持度 = （包含物品A的记录数量） / （总的记录数量）
2、置信度（Confidence）：置信度是指如果购买物品A，有较大可能购买物品B。
置信度( A -> B) = （包含物品A和B的记录数量） / （包含 A 的记录数量）
e.g. 产品A作为分母，A出现的次数多，支持度就会高。A出现的次数多的同时AB一起出现的次数也多，那么这一个关联的置信度就高了！！
最低0.47元/天 解锁文章
扫一扫
5270
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
