数据挖掘学习笔记之关联规则

关联规则

关联规则的一般表现为蕴含式规则形式:X—>Y
其中的X为前提或先导条件,Y为结果或后继

关联规则与传统的用于分类的产生式规则有两点不同:

1)在某条关联规则中以前提条件出现的属性可以出现在下一条关联规则的结果中
2)传统的用于分类的产生式规则的结果中仅能有一个属性,而关联规则中则允许其结果包含一个或多个属性

置信度和支持度

(1)使用置信度来度量每个关联规则在前提条件下结果发生的可能性
置信度:

(2)使用支持度这个统计量来度量包含了关联关系中出现的属性值的交易占所有交易的百分比
支持度:

一般在关联关系分析过程中,设置置信度和支持度的阈值,当分析得到的关联关系达到置信度和支持度的阈值时,这样的关联关系被认为是有趣的,而被保留下来应用到实际问题中

关联分析算法--------Apriori算法

基本思想:
(1)生成条目集
(2)使用生成的条目集创建一组关联规则
启发式规则:
频繁项集的任何子集也一定是频繁的

例子:

频繁项集的任何子集也一定是频繁的

关联规则的优点和局限性

优点:关联规则不受因变量个数的限制,能够在大型数据库中发现数据之间的关联关系,所以其应用非常广泛
局限性:一次关联分析输出的规则往往数量较多,且多数并无利用价值,所以对关联规则的解释和应用必须谨慎