关联分析（从基础到高级）

$\Large\textbf{基础篇}$
$\quad\quad$本部分介绍关联分析的基础形式，主要以购物篮数据为依托，给出关联分析的基本概念。
$\large\textbf{一.基本概念}$
$\textbf{1.项，项集，事务}$
$\quad\quad$关联分析的基础形式和购物篮数据密切相关，所谓的购物篮数据如同下表：
顾客编号 购买商品
1 {苹果，碗}
2 {面包，牛奶}
其主要目的是研究顾客购买的商品之间的关系，例如研究是否多数顾客会同时购买牛奶和面包，这样有助于对商品进行组合促销。通常情况下, 顾客购买的商品称为$\color{red}{\textbf{项}}$,比如面包是一个项，牛奶也是一个项。将项合并起来组成$\color{red}{\textbf{项集}}$,比如{牛奶，面包}.我们称每个顾客购买的所有商品为$\color{red}{\textbf{事务}}$。比如甲买了牛奶，面包，果汁，那么事务就是：{牛奶，面包，果汁}。
$\textbf{2.置信度，支持度}$
$\quad\quad$关联分析的一个主要目的就是发现关联规则，所谓关联规则就是形如$X \rightarrow Y$ 的蕴含表达式，其中X和Y就是不相交项集，分别称为规则前件和规则后件。它的意义在于如果我们知道了X，那么Y就有可能发生。但是如何度量这种可能性，换句话说这个关联规则的强度有多大?我们有两个指标来度量，这便是$\color{red}{\textbf{支持度s}}$和$\color{red}{\textbf{置信度c}}$。支持度表明了$X$和$Y$同时出现的概率有多大，关联分析的目的就是寻找支持度比较高的项集，我们称为频繁项集。置信度表示在出现了X之后，出现Y的概率有多大，这个就是用于推断的，如果置信度很高，那么在出现了X，我们就可以推断Y很可能出现。
其定义如下：
1.$s(X \rightarrow Y)=\frac {\sigma(X \bigcup Y)} {N}$
2.$c(X \rightarrow Y)=\frac {\sigma(X \bigcup Y)} {\sigma(X)}$
其中$\sigma(.)$表示计数函数,N表示事务的个数.
$\large\textbf{二.规则挖掘方法}$
给出所有顾客购买的所有商品，也就是所有项，我们可以形成的规则数为：
$R=3^d-2^{d+1}+1$,其中