文章目录
第三章 关联数据挖掘
首先明确本章需要学习掌握的内容
本章内容可以说是很多了 所以在最开始确定一下重点
回头也可以有目的地去进行了解~
几个重要概念
这些概念一定要非常清楚
要达到能随意应用的程度
- 支持度
- 置信度
- 频繁项集
- 关联规则(掌握!)
关联规则挖掘算法
考试很有可能要考这个哦~ 所以要重点掌握
尤其是 Apriori算法 要重点进行掌握~
- Apriori算法——掌握
- FP-Growth算法——理解
关联规则评估(理解)
以上内容需要熟记于心~
1.什么是关联规则挖掘?
经典例子——购物篮分析
假设我们是一个超时的市场分析员
我们在清点顾客的购买清单时发现——
有一些商品的组合频繁地被顾客购买
于是~专业的我们 准备挖掘商品组合之间的关系 这 就是关联数据挖掘
关联数据挖掘的目的:在事务、关系数据库中的项集和对象中发现频繁模式、关联规则、相关性或者因果结构
频繁模式:数据库中频繁出现的项集
其他应用举例
购物篮分析 交叉销售 医疗诊断 网页挖掘 科学数据分析 产品目录设计生物信息学
[考点]数据集中支持度的计算
这是个考点诶~给个表格 计算置信度和支持度 可见还是重要的
例子——
给定一个数据集
接下来看一看数据集相关的一些概念
频繁项集
满足最小支持阈值的所有项集
也就是出现次数大于给定阈值的项集
项集
- 包含0个或多个项的集合
——例如:{Milk,Bread,Diaper}
- k-项集:包含k个项的项集
支持度计数 support count
- 包含特定项集的事务个数
——例如:
{Milk,Bread,Diaper}的支持度计数=2
支持度 support
- 包含项集的事务数/总事务数
小例子:
support({Milk,Bread,Diaper})=2/5
[考点]关联规则的强度——置信度和支持度的计算
关联规则
形如X—>Y的蕴含表达式
其中X Y是不相交的项集
例如:{milk,diaper}——>{Bear}
衡量关联规则的强度——支持度 置信度
- 支持度 support(X—>Y)
确定项集的频繁程度
- 置信度 Confidence(X—>Y)
确定Y在包含X的事务中出现的频繁程度
表示事务包含集合A B中每个项的概率