数据挖掘第六章——关联规则

一、目标

• 从给定的一组事务中寻找某些依赖规则，是的可以通过一些项目的出现来预测另外一些项目的出现。
• 寻找支持度、置信度大于给定阈值的关联规则。

二、基本概念

• 项集Itemset：包含有多项的集合；
• 支持度计数Support count(σ )：某一项集的出现次数；
• 支持度Support：某一项集出现次数的比例；P(A)，及项集A出现的概率（频数）；

• 置信度：P（B / A）, 条件概率;　P（B / A）= P（AB）/P（A）；

• 频繁项集Frequent Itemset：支持度大于阈值minsup的某一项集；
• 关联规则Association Rule：一个项集到另一个项集的映射X - > Y；
• 关联规则评价标准：1）支持度：X、Y合并项集的支持度；2）置信度Confidence：包含X的事务中包含Y的比例。

三、挖掘过程

• 设定参数minsup、minconf；
• 生成频繁子集：寻找所有支持度大于阈值的项集；
• 生成关联规则：从频繁项集中生成高置信度的关联规则，每一个规则都是对应频繁子集的二分划分。

四、寻找频繁子集

1.寻找过程

• 构建项目Item的子集树
• 利用Apriori算法进行剪枝
• 构造候选项集的哈希树来减少比较次数

2.Apriori原理（先验原理）

如果一个项集是频繁的，那么它的所有子集都是频繁的。Apriori原理的精妙在于他的逆否命题，若子集不是频繁的，则所有包含它的项集都是不频繁的。

3.Apriori算法

• 令k=1；生成1-频繁项集；重复此步骤
• 从k-频繁项集生成( k + 1) - 候选项集
• 减掉不频繁k - 项集的后代项集
• 扫描数据库，计算每个候选项集的支持度
• 将支持度低于阈值的项集滤除直至没有新的候选项集生成

 数据挖掘算法之关联规则挖掘（一）apriori算法_小黑-CSDN博客_数据挖掘的关联规则算法（算法详解）

{i1,i2}=>i3，表示购买了i1，i2的用户中还购买了i3的用户所占的比例。{i1,i2,i3}的出现次数为2，{i1,i2}的出现次数为4，故置信度为2/4=50%

类似的可以算出

{i1,i3}=>i2，confidence=50%
{i2,i3}=>i1，confidence=50%
i1=>{i2,i3}，confidence=33% 

i2=>{i1,i3}，confidence=28%
i3=>{i1,i2}，confidence=33%

 4.频繁项集的紧致表示

• 极大项集：直接超级都不频繁的项集；形成了可以到处所有频繁项集的最小的项集的集合。
• 闭项集：直接超级的支持度都比它自己小的项集
• 如果一个项集是闭项集，并且满足最小支持度要求，称为闭频繁项集

五、FP增长算法

1.FP树表示

课本224详细过程（nb239）

 2.频繁项集的产生

FP增长是一种自底向上方式探索树 PPT55~85过程

https://blog.csdn.net/yutao03081/article/details/77127500 （算法详解）

六、关联规则产生

七、关联模式评估

1.兴趣度的客观度量：是一种评估关联模式质量的数据驱动方法。

• 提升度
• 兴趣因子
• 相关分析
• 性质：反演性、零加性、缩放性

2.多个二元变量的度量

3.辛普森悖论