关联分析

关联分析：从大规模数据中寻找物品间的隐含关系

关联分析的基本概念：
项集：数据集中一个或多个项目集合
支持度：包含某个项集的事务在整个数据中的比例，是一种重要度量，支持度低的规则可能只是偶尔出现
置信度：x发生时y发生的概率
提升度：x发生时同时发生y的支持度是分子，分母是x和y在相互独立的情况下同时发生的概率

先验原理：如果一个项集是频繁项集，那么它们所有子集是必然也是频繁项集，相反，子集非频繁，超集也一定是非频繁。

关联分析的目标：发现频繁项集和发现关联规则
Apriori算法发现频繁项集，算法的两个输入参数分别是最小支持度和数据集，该算法首先会生成所有单个物品的项集列表。接着扫描交易记录来查看哪些项集满足最小支持度要求，那些不满足最小支持度的集合会被去掉，然后，对剩下来的集合进行组合以生成包含两个元素的项集。接下来，再重新扫描交易记录，去掉不满足最小支持度的项集。该过程重复进行直到所有项集都被去掉。