人工智能入门-R语言数据分析82

注意！

ß这里似乎有不严密的地方：即，A引申成了“尿布”，B引申成了“啤酒”，这样才能满足A Ç B =Æ，A È B才是指“尿布” 和“啤酒”这两样东西！

ß而且，命题之间的操作是“析取”、“合取”才对。

ß如果按前页所述，A、B是指“买了……的顾客”，则A、B 就是两个集合，但蕴含式要求前件、后件都是“命题”，反而不对了！

 

支持度、置信度与提升度

ß支持度用来删掉那些出现频度低的规则；是对关联规则重要性的衡量。

ß置信度是评价通过规则进行推理具有可靠性；对关联规则的准确程度的衡量。

ß提升度用来确保“前件”推出“后件”是有意义的；而不是因为“后件”普遍存在。

ß在关联规则挖掘中，满足一定最小置信度以及支持度的集合成为频繁集（或强关联）。

ß关联规则挖掘则是一个寻找频繁集的过程。 

 

 

提升度的意义

有1000名顾客，购买年货，A组有500人购买茶叶，有450人购买咖啡；B组有0人购买茶叶，有450人购买咖啡。

 

 

 

　　

  茶叶->咖啡的支持度＝ 450/1000 = 45%

  茶叶->咖啡的置信度＝ 450/500 = 90%

  茶叶->咖啡的提升度＝ 90%／90%＝1　　

说明：由于lift(茶叶X->咖啡Y)＝1，所以说明X与Y相互独立，即是否有X对于Y的出现没有影响。虽然支持度和置信度都高，但它们之间没有必然的关联关系

 

关联规则步骤

ß关联规则是从事务集合中挖掘出这样的关联规则｛X->Y｝：它的支持度和置信度要大于最小阈值，使用关联规则的过程主要包含以下三个步骤：

（1）数据筛选，首先对数据进行清洗，清洗掉那些普遍共有的项目

（2）根据支持度（support），从事务集合中找出频繁项集（使用算法：Apriori算法，FP-Growth算法）　

（3）根据置信度（confidence），从频繁项集中找出强关联规则（置信度阈值需要根据实验或者经验而定）