基于关联规则的简单理解

链接： http://baike.baidu.com/link?url=ZzfmeN289lOb1w-M9RMVcXGC_640er78GeVEegbQUF5nFC3qaTZQEojbY7Prp1mDDfMs_ZTGqgRpcitBeXEeMa

根据 韩家炜等观点，关联规则定义为：

假设

是 项的集合。给定一个交易数据库D，其中每个 事务(Transaction)t是I的非空子集，即，每一个交易都与一个唯一的 标识符TID(Transaction ID)对应。关联规则在D中的 支持度(support)是D中事务同时包含X、Y的百分比，即 概率； 置信度(confidence)是D中事务已经包含X的情况下，包含Y的百分比，即 条件概率。如果满足 最小支持度阈值和 最小置信度阈值，则认为关联规则是有趣的。这些阈值是根据挖掘需要人为设定。

例子

TID	网球拍	网 球	运动鞋	羽毛球
1	1	1	1	0
2	1	1	0	0
3	1	0	0	0
4	1	0	1	0
5	0	1	1	1
6	1	1	0	0

用一个简单的例子说明。表1是顾客购买记录的数据库D，包含6个事务。项集I={网球拍,网球,运动鞋,羽毛球}。考虑关联规则（频繁二项集）：网球拍与网球，事务1,2,3,4,6包含网球拍，事务1,2,6同时包含网球拍和网球，X^Y=3, D=6，支持度(X^Y)/D=0.5；X=5, 置信度(X^Y)/X=0.6。若给定最小支持度α = 0.5，最小 置信度β = 0.6，认为购买网球拍和购买网球之间存在关联。

基于以上内容的理解：

   例子的问题是购买网球拍的人同时购买网球是否存关联？---------------------------Q1

   何为存在关联？

   我们认为满足给定的最小置信度和最小支持度则存在关联。

   那我们给定的最小支持度和最小置信度又分别是多少？

   何为最小支持度？何为最小置信度？如何求？

   这就要简单介绍基本概念了。

   项集：物品集

   交易数据库D：交易集（事务集）

    同时满足最小支持度 和最小置信度 的规则称为 强关联规则。为了方便计算，用 0%到 100%之间的代替 0 到 1 之间的值表示
支持度和置信度。

  如果项集满足最小支持度，则称之为频繁项集。 频繁k −项集的集合通常记为L k。

  由Q1可确定，我们应该计算的是频繁二项集（ 网球拍和网球）。

  那到底什么是最小支持度和最小置信度呢？

  设X为包含网球拍的事务集（1,2,3,4,6），Y为包含网球的事务集（1,2,6），则

   X^Y=3, D=6，支持度(X^Y)/D=0.5；X=5, 置信度(X^Y)/X=0.6。

  所以，我们给定最小支持度为0.5，最小置信度为0.6

  我们假定本例子的数据（交易数据库D）为训练集，通过训练集我们给定了最小支持度和最小置信度。

  接着，我们对测试集进行测试验证，计算得到网球拍=>网球的置信度和支持度，若同时大于最小置信度和最小支持度，我们则认为二者存在关联。