面包 [支持度:3%,置信度:40%]
支持度3%意味3%顾客同时购买牛奶和面包。置信度40%意味购买牛奶的顾客40%也购买面包。规则的支持度和置信度是两个规则兴趣度度量,它们分别反映发现规则的有用性和确定性。关联规则是有趣的,如果它满足最小支持度阈值和最小置信度阈值。这些阈值可以由用户或领域专家设定。
我们先来认识几个相关的定义:
定义1: 支持度(support)
支持度s是事务数据库D中包含A U B的事务百分比,它是概率P(A U B),即support(A
B)=P(A U B),它描述了A和B这两个物品集的并集在所有的事务中出现的概率。
定义2: 置信度(confidence)
可信度为事务数据库D中包含A的事务中同时也包含B的百分比,它是概率P(B|A),即confidence(A
B)=P(B|A)。
定义3: 频繁项目集
支持度不小于用户给定的最小支持度阈值(minsup)的项集称为频繁项目集(简称频集),或者大项目集。所有
的频繁1-项集记为L1。
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
4
1
1
2
2
WinCl
1
2
1
0
0
Milk
1
1
1
0
0
Coke
2
0
0
2
1
Detergent
1
0
0
0
2
上表中横栏和纵栏的数字表示同时购买这两种商品的交易条数。如购买有Orange的交易数为4,而同时购买Orange和Coke的交易数为2。
置信度表示了这条规则有多大程度上值得可信。设条件的项的集合为A,结果的集合为B。置信度计算在A中,同时也含有B的概率。即Confidence(A==>B)=P(B|A)。例如计算"如果Orange则Coke"的置信度。由于在含有Orange的4条交易中,仅有2条交易含有Coke.其置信度为0.5。
支持度计算在所有的交易集中,既有A又有B的概率。例如在5条记录中,既有Orange又有Coke的记录有2条。则此条规则的支持度为2/5=0.4。现在这条规则可表述为,如果一个顾客购买了Orange,则有50%的可能购买Coke。而这样的情况(即买了Orange会再买Coke)会有40%的可能发生。
再来考虑下述情况。
项
支持度
A
0.45
B
0.42
C
0.4
A and
B
0.25
A and
C
0.2
B and
C
0.15
A,B,and
C
0.05
可得到下述规则
规则
置信度
If B and C then
A
0.05/0.15*100%=33.33%
If A and C then
B
0.05/0.20*100%=25%
If A and B then
C
0.05/0.25*100%=20%
上