关联分析1

小白又来打卡了，数据挖掘课上学到了关联分析。先整理个概念吧，之前本科时期没有接触过这方面的内容，只知道纸尿裤和啤酒这个案例，但具体的分析方法并不了解orz。今天的小qq同样是为了毕业不失业而奋斗?

本篇是根据《数据挖掘导论》［Pang-Ning Tan,Michael Steinbach,Vipin Kumar著］还有其他大佬们写的博文整理的。如果有想要这本书的中英文电子版的可以给我留言，我邮箱发给你们。

目录

基本概念

发现频繁项集

摘录链接

---

基本概念

1、二元表示：如下表中的数据，每个TID所在的一行就是一个事务，面包、牛奶对应的每一列就是一个项。项可以用二元变量表示，若项在事务中出现，则值为1，否则，为0。用0，1表示的二元变量是非对称的二元变量，它默认了项在事务中出现比不出现更重要。然而对于商品的数量和价格，这种非类别型数据，用非二元数据的方式表示。

2、项集：是所有项（也就是列）的集合，是所有事务（也就是行）的集合。每个事务 t 包含的项集都是  的子集［事务列对应的那一行］。在关联分析中，包含0个或者多个的项的集合称为项集。 如果一个项集包含k个项，那么就称为k-项集。空集是指不包含任何项的项集。项集 X 是事务 t 的子集，则事务 t 包括项集X［ 列t 包括对应的那一行的项集X，也包括X的子集］。比如TID＝2的事务，包括｛尿布、啤酒｝，但不包括｛鸡蛋，可乐｝。

3、支持度计数：