引言:什么是数据挖掘
随着大数据时代的到来我们生活中的方方面面都受到了数据挖掘的影响,比如你在淘宝上买了一件商品,当你下次登录的时候在淘宝的界面上会出现各种与你曾经购物信息相关的商品。或者当你用网易云音乐听音乐的时候你从推荐歌单中选择了你喜欢的音乐、删除了你不喜欢的音乐,通过你这次的选择的音乐相关性网易音乐会在下次推荐歌单时对音乐类型进行调整。所以,基于数据挖掘的机器学习方案有一个共有的特性,那就是你与产品的交互信息越多,商品越“懂你”。因为数据是数据挖掘算法的“能源”,你与产品的交互越多,你的数据越全面,挖掘出来的规则也就越准确。
Apriori算法基本概念
- 项与项集:设itemset={item1, item_2, …, item_m}是所有项的集合,其中,item_k(k=1,2,…,m)成为项。项的集合称为项集(itemset),包含k个项的项集称为k项集(k-itemset)。
- 事务与事务集:一个事务T是一个项集,它是itemset的一个子集,每个事务均与一个唯一标识符Tid相联系。不同的事务一起组成了事务集D,它构成了关联规则发现的事务数据库。
- 支持度:一个项集或者规则在所有事物中出现的频率,确定规则可以用于给定数据集