关联规则挖掘-频繁模式挖掘

频繁模式：是频繁得出现在数据集中的模式；频繁项集导致发现大型事物或者数据集之间有趣的关联或相关性，频繁项集挖掘的一个典型案例是购物篮分析,该过程通过发现顾客放入他们的购物篮中的商品之间的关系，分析客户的购物习惯；

下面了解频繁模式中的相关概念

频繁数据集：购物篮数据

频繁模式：频繁地出现在数据集中的模式，例如项集，子结构

关联规则：反应商品频繁关系；例如 牛奶=>鸡蛋【支持度=2%，置信度=60%】

支持度：频繁数据集中支持这个关联关系的比例，上例支持度=2%：频繁数据集中牛奶和鸡蛋同时出现的比例为2%；

置信度：买牛奶中有60%买了鸡蛋；反映数据的确定性；

支持度和置信度总结如下：

A=>B【支持度=a,置信度=b】

支持度（A=>B）=P(A+B)的概率

置信度 （A=>B）=P(B|A)的概率

最小支持度阈值和最小置信度阀值（可以是百分比也可以个整数）;

项集：项（商品）的集合，一个购物中的商品可以随机组成项集；

K-项集：由K个项组成的项集，及K个商品组成的项集；

频繁项集：满足最小支持度和项集

强关联规则：满足最小支持度和最小置信度的规则

Apriori算法：

步骤：

一：找出所有的频繁项集；

二：由频繁项集产生强关联关系（这些规则必须满足最小支持度和置信度）

下面就以一下例子说明：

以上TID代表事物ID,数据事物数为9；并设置支持度为2;

备注：1：一个频繁项集它的子项集一定是频繁项集

          2：若一个子集不是频繁项集那它的父集一定不是频繁项集

下面就对频繁项集进行描述：

第一次扫描如下图：得到频繁1项的集合为L1，并支持度都是大于2的

第二次通过连接算出频繁2项的集合（连接条件：两个K项集合必须保证他们前k-1项相同才能连接，比如L2=[I2，I3]，另外一个L2=[I2，I5],那边这两个项集可以连接成频繁3项集为L3=【I2，I3，I5】）如下图：

  

由L1产生C2备选集合，然后扫描所有事物数据算出支持度，然后剪枝掉支持度小于2的项集，剩下L2频繁项集；两项频繁项集可以作为输出了；

第三次输出3项频繁集,如下：按照连接也会出现[I1，I3，I5],但[I3,I5] 不是频繁项集，根据备注2原则，被删除，故三项频繁项集就是L3;

以上步骤就求出了频繁项集，提取关联规则

随着上面的步骤可以看出，越往后计算越少，但每次计算后都要重新扫描一下数据集计算候选集的支持度，效率不高；下面就介绍一个高效的FP-growth算法，此算法基于FP-tree算法；

此算法第一步，算出每个商品的支持度：如下图

第二步然后把所有的事物数据按支持度进行排序，排序后的数据篮子如下图：

第二步建立FP-TREE树；建立规则如下

把排序后指针指向FP树，如下图显示

FP数的挖掘过程：

1：从1项集排序的最后一个项集开始遍历，比如I5的支持度为2，排序在最后，就由I5开始；首先获取I5条件模式基；

获取I5的条件模式基的方法，首先从I5开始往根部节点遍历，可以获取两个频繁项集；一个是【I2,I1,I5】出现次数为1；一个是【I2,I1,I3,I5】出现的次数为1；故I5的条件模式基为【I2,I1 : 1】(1代表出现频次)和【I2，I1，I3 : 1】；再由条件模式基获取条件FP树，由下图生成：

删除支持度小于2的商品，最后频繁模式如下：