一、前言
在学习The Apriori algorithm算法时,参考了多篇博客和一篇论文,尽管这些都是很优秀的文章,但是并没有一篇文章详解了算法的整个流程,故整理多篇文章,并加入自己的一些注解,有了下面的文章。大部分应该是copy各篇博客和翻译了论文的重要知识。
关联规则的目的在于在一个数据集中找出项之间的关系,也称之为购物蓝分析 (market basket analysis)。例如,购买鞋的顾客,有10%的可能也会买袜子,60%的买面包的顾客,也会买牛奶。这其中最有名的例子就是"尿布和啤酒"的故事了。
二、重要概念
首先我们来看,什么是规则?规则形如"如果…那么…(If…Then…)",前者为条件,后者为结果。例如一个顾客,如果买了可乐,那么他也会购买果汁。
如何来度量一个规则是否够好?有两个量,置信度(Confidence)和支持度(Support)。假设有如下表的购买记录。
顾客
项目
1
orange juice, coke
2
milk, orange juice, window cleaner
3
orange juice, detergent
4
orange juice, detergent, coke
5
window cleaner
将上表整理一下,得到如下的一个2维表
Orange
Win Cl
Milk
Coke
Detergent
Orange