关联分析时，需要处理两个关键问题
1 大量数据集中发现模式，计算代价高
2 某些模式可能是虚假的，因为他们是偶然发生的
关联分析例题：从这个商品记录得出顾客喜欢同时购买那几样东西
| TID | 面包 | 牛奶 | 尿布 | 啤酒 | 鸡蛋 | 可乐 |
| 1 | 1 | 1 | 0 | 0 | 0 | 0 |
| 2 | 1 | 0 | 1 | 1 | 1 | 0 |
| 3 | 0 | 1 | 1 | 1 | 0 | 1 |
| 4 | 1 | 1 | 1 | 1 | 0 | 0 |
| 5 | 1 | 1 | 1 | 0 | 0 | 1 |
| 6 | 1 | 1 | 0 | 0 | 0 |
关联分析旨在从大量数据中发现购物模式，解决计算成本高和偶然发生的虚假模式问题。例如，通过分析商品记录，我们可以发现顾客常常一起购买的商品组合。在关联分析中，涉及项集、支持度、置信度等概念。Apriori算法利用先验原理筛选频繁项集，通过不断迭代和过滤，确定满足最小支持度阈值的项集，从而揭示购物行为的关联规则。
最低0.47元/天 解锁文章
扫一扫
4090
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
