智能技术_3:关联规则

---

智能技术_1:安装TensorFlow和Keras
智能技术_2:大数据分析与机器学习概论
智能技术_3:关联规则

---

# 写于2021.03.27
# 本文为学习笔记，侵删
# 操作时 中文会出现乱码 不知道为啥 还没改正
# 总结不易 望赞鼓励

1 重要概念

1.1 关联规则 定义

关联规则(association rules)主要是从庞大数据中撷取出一系列变量和因子间的关系，以探索数据的变量和项目间隐含的关系；

1.2 【若 x 则 y】表示

若是下雨天，则雨伞销售量增加
若购买尿布，则一并购买啤酒

可以表示为：x => y

1.3 条件概率

已知X事件发生的情况下，再发生Y事件之概率，称为条件概率根据X事件信息，分析事件Y的发生概率：

---

【例子】

• 共有四笔交易, N = 4;
• 购买汉堡©共有3笔交易纪录，故nC = 3，Pr© = 75%;
• 购买尿布(A)且购买汉堡©，共有2笔交易纪录，故Pr(A∩C) = 2/4 = 50%;
• Pr(A|C) = Pr(A∩C)/Pr© = 50%/75% = 67%;

1.4 支持度（support)【重要 】

支持度衡量项目x和项目y一起出现的概率：Pr( X ∩ Y );

【刚才那个例子】：
Support(C => A) = Pr(A∩C) = 2/4 = 50%;

---

1.5 信赖度(Confidence)【重要】

信赖度衡量前提项目X发生的情况下，结果项目Y发生的条件概率为：

根条件概率表达形式一样

【刚才那个例子】：
Confidence(C => A) = Pr(A|C) = Pr(A∩C)/Pr© = 50%/75% = 67%

---

1.6 增益值（lift)【重要】

增益值衡量用于比较信赖度与结果项目Y单独发生时两者概率的大小，即:

【刚才那个例子】：
Life(C => A) = Pr(A|C)/Pr(A) = （C发生前提下A发生概率 ）/（ A单独发生的概率）

= Confidence(C => A) / Pr(A) =67% / 75% = 89.3%

2 Apriori方法应用

2.1 例一

假设