關(guān)聯(lián)規(guī)則挖掘的概念

在事務(wù)，關(guān)系數(shù)據(jù)庫(kù)中的項(xiàng)集和對(duì)象中發(fā)現(xiàn)頻繁模式，關(guān)聯(lián)規(guī)則，相關(guān)性或者因果結(jié)構(gòu)。

頻繁模式：頻繁出現(xiàn)的項(xiàng)集

通俗一點(diǎn)講就是從一堆經(jīng)常發(fā)生在一起的事情中，找出他們之間的關(guān)聯(lián)性。

舉個(gè)啤酒和尿布的例子，商場(chǎng)統(tǒng)計(jì)發(fā)現(xiàn)啤酒和尿布頻繁出現(xiàn)在同一張訂單中，我們就可以挖掘出啤酒和尿布之間的關(guān)聯(lián)關(guān)系。比如買(mǎi)啤酒的人很大概率會(huì)買(mǎi)尿布，或者買(mǎi)尿布的人很大的概率會(huì)買(mǎi)啤酒。

頻繁項(xiàng)集的相關(guān)概念

項(xiàng)集

包含0個(gè)或多個(gè)項(xiàng)的集合，比如｛牛奶，面包，尿布｝

k－項(xiàng)集：集合中項(xiàng)數(shù)目為k的項(xiàng)集，｛牛奶，面包，尿布｝這就是一個(gè)三項(xiàng)集

支持度計(jì)數(shù)

比如現(xiàn)在有一些事務(wù)集合

編號(hào)? ? ? ? ? ? ? ? ? ?事務(wù)

1? ? ? ? ? ? ? ? ? ? ? 面包，牛奶

2? ? ? ? ? ? ? ? ? ? ? 面包，尿布，黃油，雞蛋

3? ? ? ? ? ? ? ? ? ? ? 牛奶，尿布，黃油，可樂(lè)

4? ? ? ? ? ? ? ? ? ? ? 面包，牛奶，尿布，黃油

5? ? ? ? ? ? ? ? ? ? ? 面包，牛奶，尿布，可樂(lè)

｛牛奶，黃油｝的支持度計(jì)數(shù)就是2，因?yàn)椋Ｄ蹋S油｝在編號(hào)3，4的事務(wù)中出現(xiàn)，計(jì)數(shù)次數(shù)就是2

所以支持度計(jì)數(shù)就是包含特定項(xiàng)集（｛牛奶，黃油｝）的事務(wù)個(gè)數(shù)

支持度

支持度與總事務(wù)數(shù)的比值，比如｛牛奶，黃油｝的支持度就是2/5

頻繁項(xiàng)集

也就是要判斷某個(gè)項(xiàng)集是否頻繁，這里引出了最小支持度閾值的概念，就是設(shè)定一個(gè)支持度的值，大于這個(gè)值的項(xiàng)集就是頻繁項(xiàng)集

關(guān)聯(lián)規(guī)則的相關(guān)概念

關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則是形如 X－>Y的表達(dá)式, 其中 X 和 Y 是不相交的項(xiàng)集

比如｛牛奶，尿布｝－> ｛黃油｝

關(guān)聯(lián)規(guī)則的強(qiáng)度

X－>Y的支持度：確定項(xiàng)集的頻繁程度，也就是｛X，Y｝的支持度，即X，Y一起出現(xiàn)的概率P(XY),這里使用頻率代替概率

X－>Y的置信度：確定在X發(fā)生的條件下Y一定會(huì)發(fā)生的概率，舉個(gè)栗子：牛奶－>黃油，就是買(mǎi)了牛奶還會(huì)買(mǎi)黃油的概率P(Y|X)=P(XY)/P(X)＝2/4=50%，這個(gè)概率和 黃油－>牛奶的概率是不同的，也就是 X－>Y不滿足交換律

關(guān)聯(lián)挖掘規(guī)則的一般步驟

1.先從給出的事務(wù)集合中找出頻繁項(xiàng)集

只有頻繁的項(xiàng)集才能產(chǎn)生強(qiáng)的關(guān)聯(lián)規(guī)則

2.從頻繁項(xiàng)集中挖掘出項(xiàng)與項(xiàng)之間的規(guī)則

只有從頻繁項(xiàng)集中挖出來(lái)的規(guī)則才是強(qiáng)規(guī)則，因?yàn)轭l繁項(xiàng)集中的項(xiàng)集出現(xiàn)的頻率高，挖掘出規(guī)則的置信度就會(huì)高。