关联分析（一）基本概念和内容简介

一.基本概念

1.非对称的二元变量：通常认为项在事务中出现比不出现重要

2.支持度计数：包含某个项集的事务的个数

3.支持度和置信度：

支持度：

置信度：

二.问题定义

1.支持度和置信度的作用与区别：
支持度往往反映了关联规则在总事务中出现的频繁程度，因此支持度过低的规则往往作用不大，因为只是偶然出现。
置信度反映的是对于关联规则X->Y，若置信度越高，则Y在包含X的事务中出现的概率越大。

2.关联规则的发现：
找出支持度大于minsup和置信度大于minconf的规则。

所以，关联规则的发现一般分为两个任务：

• 1）找出满足最小支持度阈值的项集，即频繁项集。
• 2）在找出的频繁项集中，提取置信度高的规则，即强规则。

这两个任务都会产生很大的开销，其中任务1）的开销会远大于任务2），对于这两个任务我们都会采取相应的方法减少开销。

**关联分析的大纲就是关于如何执行这两个任务，并尽可能减少两个任务开销而展开的:

其中，任务1）（选出频繁项集）的过程：
Apriori算法：

1. 选出候选项集（涉及产生候选项集，剪枝来减少计算开销）
2. 从候选项集中选出频繁项集（涉及支持度计数的方法来减少开销）

FP增长算法：

1. FP树的产生
2. 从FP树中选出频繁项集

任务2）（规则产生）的过程：

Apriori算法规则的产生

参考书籍：数据挖掘导论