频繁模式挖掘 (Frequent pattern mining)：01 概念篇 (附例题)

频繁模式挖掘 (Frequent pattern mining) 从交易及关系数据库中发现条目集中的关联关系。

此方法的 假设是数据项目 (data item) 被组合为交易 (transactions)，也叫项目集 (itemsets)。

目标是发现在交易中占比较高的项目的模式。

最 经典的案例是耳熟能详的啤酒和尿布的故事。数据分析人员从数据中发现购买了尿布的客户也倾向于同时买啤酒，基于这个发现 (知识)，超级市场有两种可能的选择，一是将啤酒和尿布放在一起，从而客户可以方便地一起购买；另一个选择是将啤酒和尿布尽量分开，客户为了买到两样商品需要走过更多的货架，从而增加购买其他商品的机会。如何设计业务方案 (actions) 是一个问题，因为只有将知识应用于业务后才可以真正产生价值，因此这个环节从某种角度讲更重要，也更考验数据分析人员，因为你的客户总是会问，“那么我能做什么呢”。

目前，频繁模式挖掘的 应用场景包括购物篮分析，交叉营销，目录设计，销售活动分析，网络点击流分析，以及DNA序列分析等等。

下面列出关联关系挖掘涉及到的基本概念 (concepts) 和表示方法 (notation)。

1 项目 (item) : 举例来说，对于购物行为的分析，苹果、牛奶和面包就是项目。

2 项目集 (itemset)：一个或者多个项目的集合，用 来表示。

举例来说，{苹果，牛奶，面包} 是一个项目集。

3 k-项目集 (k-itemset)， k是一个正整数，是项目集的势，简单来说，就是项目集中项目的数量，比如{苹果，牛奶，面包} 是一个 3-项目集。

4  交易 (transaction)：一个非空的项目集，拥有一个唯一的标识 (TID)，并属于一个数据库。记为 ，其中 是一个与交易相关的交易集，也叫数据集或者数据库。

举例来说， ， 其中 {苹果，牛奶，面包}， {方便面，拖鞋}。

5 包含 (contain)：假设 和 是两个项目集， 且 。如果