关联规则挖掘的相关概念

一、关联规则的概念

关联规则（association rules）就是从frequent patterns中发现的规律。而frequent patterns就是在数据集中频繁出现的patterns（例如，itemsets, subsequences, substructures）。在实际的association rules挖掘中，有以下几个基本定义：

1. session：有1个unique key，用于标识一组transactions的集合。例如，超市中一个用户一次进行的所有购买，或者某个客户在购物网站上的所有购买。

2. transaction：在sessions的定义中已经提到；每一个transactions中与session关联的key与另一个key（可以为一个编号，也可以直接是时间），构成1个unique keys组合，用于区别不同的transaction。例如，某个用户购买物品的一条记录就是transaction。

3. item：一次transaction中，除了unique keys组合外，其它的attributes都可作为item。例如，一条购买记录的物品就作为item。

4. itemset：一个session中，多次transactions所涉及的多个items可组成一个itemset。

5. association rule：1个session所有的关系X=>Y。这里X为该session中的1个item或itemset，称作antecedent；而Y为另1个item或itemset，称作consequent。通常Y只是1个item。例如{A,B,C}=>{D}，这里A,B,C,D都是items，这个规则可以解释为：买了A,B,C，就会买D。

 

二、关联规则的评价指标

有了以上的定义，我们就可以定义一些评价association rules的指标了

1. support count：满足该association rule的所有sessions的数目。若该association rule为X=>Y，其中X={A,B,C}，Y={D}，则

    supoort_count(X=>Y) = count{ABCD}

    以上是规则的support_count，而任意子集的support_count，也就是count

    support_count(Y) = count(Y) = count{D}

2. support：定义为

    support(X=>Y) = P(X∪Y) 

                        = support_count(X=>Y)/count_all 

                        = count{ABCD}/count_all

    以上定义了规则的support，实际上每个子集也可以有support，定义为

    support(Y) = P(Y)

                   = support_count(Y)/count_all

                   = count{D}/count_all

3. confidence：定义为

    confidence(X=>Y) = P(Y|X) = P(X∪Y)/P(X)

                        = support(X=>Y)/support(X)

                        = support_count(X=>Y)/count(X)

                        = count{ABCD}/count{ABC}

 

4. lift：定义为

    lift(X=>Y) = confidence(X=>Y)/support(Y)

                  = P(X∪Y)/P(X)/P(Y)

                  = (support_count(X=>Y)/count_all)/(count(X)/count_all)/(count(Y)/count_all)

                  = count{ABCD}*count_all/count{ABC}/count{D} 

     

 

如果把在session中各个items/itemsets出现的先后顺序考虑进来，则support_count(X=>Y)也要考虑X和Y出现的顺序。因此定义更改为：

 

    support_count(X=>Y)=count{ABC->D}

可以解释为，先买了A,B,C，在购买D

三、指标小结

再把前面指标的定义总结一下：设association rule为X=>Y，其中X={ABC}，Y={D}

1. antecedent support:     P(X)                    =count{ABC}/count_all

2. consequent support:     P(Y)                    =count{D}/count_all

3. rule support:               P(X∪Y)                =count{ABCD}/count_all

4. confidence:                 P(X∪Y)/P(X)         =count{ABCD}/count{ABC}

5. lift:                            P(X∪Y)/P(X)/P(Y)  =count{ABCD}*count_all/count{ABC}/count{D}