关联分析

项与项集：项是指分析数据中的一个对象(物品)；项集是若干项构成的集合；

支持度：某(些)项集在数据集中出现的概率（包含物品甲的记录数量 /总的记录数量），体现某物品当前的流行程度；

置信度：关联规则{甲->乙}的置信度是指项集A发生，则项集B发生的概率（包含物品甲和乙的记录数量 / 包含甲的记录数量），体现关联规则的可靠程度（A发生时，B有大概率也会发生）；

提升度：指项集A发生的条件下，同时项集B发生的概率，与项集B发生的概率之比，即关联规则{甲->乙}的置信度/乙的支持度，体现应用关联规则相对不应用关联规则的变化；若提升度大于1，说明该关联规则有正向价值；若提升度等于1则意味着物品甲和乙间没有关联；若提升度小于1那么意味着购买甲反而会减少乙的销量。

 

最小支持度：(用户/专家经验定义）表示项集在统计意义上的最低重要性，即项集需要达到一定的频繁/流行程度；

最小置信度：(用户/专家经验定义）表示关联规则的最低可靠性；

强关联规则：达到最小支持度阈值和最小置信度阈值；

有效的强关联规则：提升度大于1的强关联规则。

 

Apriori

两个定理

• 如果一个项集是频繁的，那么其所有子集也一定是频繁的。 这个比较容易证明，因为某项集的子集的支持度一定不小于该项集；
• 如果一个项集是非频繁的，那么其所有的超集也一定是非频繁的。 

步骤

• 寻找频繁项集（筛选满足最小支持度的频繁项集）：apriori根据如上定义，进行阈值判断并对搜索进行剪枝；
• 从频繁项集中生成关联规则（筛选满足最小置信度的强规则）：将每个频繁项集拆分成两个非空子集；同样apriori根据如上定义，进行阈值判断并对搜索进行剪枝。

 

Reference

关联分析算法的Apriori算法和FP-growth算法初探

Association Rules