算法原理
一、概念
①支持度
:P(A ∩ B),既有A又有B的概率
②置信度
:
P(B|A),在A发生的事件中同时发生B的概率 p(AB)/P(A) 例如购物篮分析:牛奶 -> 面包
例子:[支持度:3%,置信度:40%]
支持度3%:意味着3%顾客同时购买牛奶和面包
置信度40%:意味着购买牛奶的顾客40%也购买面包
③如果事件A中包含k个元素,那么称这个事件A为k项集事件A满足最小支持度阈值的事件
称为频繁k项集。
④同时满足最小支持度阈值和最小置信度阈值的规则称为强规则
.
二、原理
支持度:
support(X–>Y) = |X交Y|/N=集合X与集合Y中的项在一条记录中同时出现的次数/数据记
录的个数。support({啤酒}–>{尿布}) = 啤酒和尿布同时出现的次数/数据记录数 =
3/5=60%。
置信度:
confidence(X–>Y) = |X交Y|/|X| = 集合X与集合Y中的项在一条记录中同时出现的次数/集
合X出现的个数 。
confidence({啤酒}–>{尿布}) = 啤酒和尿布同时出现的次数/啤酒出现的次数=3/3=100%;
confidence({尿布}–>{啤酒}) = 啤酒和尿布同时出现的次数/尿布出现的次数 = 3/4 =75%
对于靠谱的关联规则:
其支持度与置信度均应大于设定的阈值,即:
对给定的支持度阈值min_sup、置信度阈值min_conf,找出所有的满足下列条件的关联规则:
支持度>=min_support
置信度>=min_confident
同时满足最小支持度阈值(min_sup和最小置信度阈值(min_conf)的规则称作强规则 ,如果项集满足最小支持度,则称它为频繁项集M)。
Apriori定律
减少频繁项集的生成时间,尽早消除一些完全不可能是频繁项集的集合。
定律1
: