第七章（3） 关联分析：非频繁模式

1. 非频繁模式是支持度<阈值的项集或规则
2. 非频繁模式的应用：
   1. 利用数据中的负相关元素，有助于识别竞争项，找到某种商品的替代项
   2. 某些非频繁模式暗示了数据中出现了罕见的现象
3. 挖掘非频繁模式的问题：
   1. 如何识别有用的非频繁模式
   2. 如何有效的在大型数据中发现它们
4. 负模式：
   1. 负项集：有如下的性质：
      1. 负项集X=AU非B，其中A是正项的集合，非B是负项的集合，且至少有1个负项
      2. X的支持度>=minsup
   2. 负关联规则：有如下的性质：
      1. 规则时从负项集提取出来的
      2. 规则的支持度>=minsup
      3. 规则的置信度>=minconf
   3. 负项集和负关联统称为负模式
5. 负相关模式：
   1. 负相关项集：s（AB）/s（A）*s（B）<1，则为负相关；如果项集的支持度<使用统计独立性假设计算出的其中各项的期望支持度，那么项集内的项是负相关的；s（X）越小，模式越负相关
   2. 负相关关联规则：s(XUY)<s(X)s(Y)，其中X和Y是不相交的项集（关联规则本来前后件就是不相交的），那么关联规则X->Y是负相关的；但是X和Y中的项一般是正相关的，所以用部分条件（即上式）来定义负相关关联规则
   3. 负相关项集