数据挖掘读书笔记--第六章：频繁模式挖掘、关联及相关性

散记知识点

——“哪些商品组合频繁地被顾客同时购买？”

---

1. 基本概念

1.1 频繁项集、闭项集和关联规则

(1) 支持度和置信度
设$L={I_{1}, I_{2},...,I_{3}}$是项的集合$D$是数据库事务的集合包含每个事务$T$($T$是一个非空项集，$T \subseteq L$)，设项集$A$有$A \to B$的关联规则在事务集$D$中成立，该条规则具有支持度$s$(表示$D$中包含$A \bigcup B$的概率)，置信度$c$(表示$D$中包含$A$的事务同时也包含$B$的事务的概率)。

$$\begin{align*} & s = support(A \to B ) =P(A \bigcup B) \\ \\ c = confident(A \to B) = &P(B|A)=\frac{support(A \bigcup B)}{support(A)} = \frac{count(A \bigcup B)}{count(A)}\end{align*}$$

规则的支持度和置信度是规则兴趣度的两种度量，分别反映了所发现规则的有用性和确定性。

(2) 项集、频繁项集和闭频繁项集

项的集合称为项集。包含k个项的项集称为$k$项集如{computer, cell phone}为一个2项集。项集出现的频度是包含项集的事务数，简称为项集的频度、(绝对)支持度(计数)。(1)中定义的是项集的相对支持度，如果一个项集的相对支持度满足于预定义的最小支持度阈值，则该项集是频繁项集。

• 挖掘关联规则的问题可以归结为挖掘频繁项集

关联规则的挖掘过程一般有两步：

1. 找出所有的频繁项集：满足最小支持度的所有项集。
2. 由频繁项集产生强关联规则：这些规则必须满足最小支持度和最小置信度。

如果项集$X$在数据集$D$中不存在真超项集$Y$(即$X \subset Y$)使得$Y$与$X$在$D$中具有相同的支持度，则项集$X$是闭的。如果$X$在$D$中是闭的和频繁的，则称$X$是闭频繁项集。如果不存在超项集$Y$使得$X \subset Y$并且$Y$在$D$是频繁的，则称$X$是极大频繁项集。

---

2. 频繁项集挖掘方法

2.1 Apriori算法

(1) 两条经典的先验性质：

• 频繁项集的所有非空子集一定是频繁的。
• 非频繁项集的所有超集一定不是频繁的。

(2) 两个重要步骤：

设$L_{k-1}$为第$k-1$步的频繁项集合，$C_{k}$为下一步的候选项集合。为从$L_{k-1}$找出$L_{k}$，经历以下两个步骤：

1. 连接步：为找出$L_{k}$，通过将$L_{k-1}$与自身连接产生候选$k$项集合$C_{k}$。设$l_{i}$为$L_{k-1}$的项集，记$l_{i}[j]$表示$l_{i}$的第$j$项(例如$l_{i}[k-1]$表示$l_{i}$的倒数第2项)。对于$(k-1)$项集$l_{i}$，把项排序，使得$l_{i}[1]<l_{i}[2]<...<l_{i}[k-1]$。执行连接$L_{k-1} \Join L_{k-1}$；如果$l_{1}$和 l2