频繁项集挖掘以及关联规则的基本概念

一.几个基本概念

1.支持度计数：即包含含特定项集的事务个数。

2.支持度：

计算方式：对于关联规则X–>Y，s=support(X∪Y）/N，其中，N为事务的个数，support(X∪Y)为项集{X，Y}的支持度计数。

3.置信度：对于关联规则X–>Y，c=support(X∪Y）/support(X)。

4.为什么要使用支持度和置信度？

支持度：是一种重要度量，因为支持度很低的规则可能只是偶然出现。因此，支持度通常用来删去那些毫无意义的规则。

置信度：对于给定的规则X–>Y,置信度越高，Y在包含X的事务中出现的可能性就越大。

注意：由关联规则作出的推论并不必然蕴含因果关系，它只表示前件和后件中的项明显地同时出现。

二.Apriori算法的思想

大多数的关联规则挖掘算法通常采用的一种策略是，将关联规则挖掘任务分解为如下两个子任务：

1.频繁项集的产生:何为频繁项集？即目标满足支持度大于等于最小支持度阈值的所有项集，这些项集称作频繁项集(frequent itemset).

2.规则的产生：其目标是从上一步发现的频繁项集中提取所有高置信度的规则，这项规则称作强规则。何为强规则？即同时满足最小支持度阈值又满足最小置信度的规则，称作强关联规则。

三.Apriori算法的频繁项集产生

   两个原理：

   1）先验原理：如果一个项集是频繁的，则它的所有子集一定也是频繁的。

   2）反单调性：如果一个项集是非频繁的，则它的所有超集也一定是非频繁的。

  过程：

  1)自然连接获取候选集

一.几个基本概念

1.支持度计数：即包含含特定项集的事务个数。

2.支持度：

计算方式：对于关联规则X–>Y，s=support(X∪Y）/N，其中，N为事务的个数，support(X∪Y)为项集{X，Y}的支持度计数。

3.置信度：对于关联规则X–>Y，c=support(X∪Y）/support(X)。

4.为什么要使用支持度和置信度？

支持度：是一种重要度量，因为支持度很低的规则可能只是偶然出现。因此，支持度通常用来删去那些毫无意义的规则。

置信度：对于给定的规则X–>Y,置信度越高，Y在包含X的事务中出现的可能性就越大。

注意：由关联规则作出的推论并不必然蕴含因果关系，它只表示前件和后件中的项明显地同时出现。

二.Apriori算法的思想

大多数的关联规则挖掘算法通常采用的一种策略是，将关联规则挖掘任务分解为如下两个子任务：

1.频繁项集的产生:何为频繁项集？即目标满足支持度大于等于最小支持度阈值的所有项集，这些项集称作频繁项集(frequent itemset).

2.规则的产生：其目标是从上一步发现的频繁项集中提取所有高置信度的规则，这项规则称作强规则。何为强规则？即同时满足最小支持度阈值又满足最小置信度的规则，称作强关联规则。

三.Apriori算法的频繁项集产生

   两个原理：

   1）先验原理：如果一个项集是频繁的，则它的所有子集一定也是频繁的。

   2）反单调性：如果一个项集是非频繁的，则它的所有超集也一定是非频繁的。

  过程：

  1)自然连接获取候选集

  2)对于候选集进行剪枝。如何剪枝呢？候选集的每一条记录T，如果它的支持度小于最小支持度，那么就会被剪掉；此外，如果一条记录T，它的子集有不是频繁集的，也会被剪掉。



  简单的讲，1、发现频繁项集，过程为：（1）扫描事务（2）计算计数（3）与阈值比较（4）产生频繁项集（5）连接、剪枝，产生候选项集 重复步骤（1）~（5）直到不能发现更大的频集。

算法：频繁项集的产生

四.由频繁项集产生关联规则

  2)对于候选集进行剪枝。如何剪枝呢？候选集的每一条记录T，如果它的支持度小于最小支持度，那么就会被剪掉；此外，如果一条记录T，它的子集有不是频繁集的，也会被剪掉。



  简单的讲，1、发现频繁项集，过程为：（1）扫描事务（2）计算计数（3）与阈值比较（4）产生频繁项集（5）连接、剪枝，产生候选项集 重复步骤（1）~（5）直到不能发现更大的频集。

算法：频繁项集的产生

四.由频繁项集产生关联规则