关联分析算法－基本概念、关联分析步骤

一、关联分析的基本概念

关联分析（Association Analysis）：在大规模数据集中寻找有趣的关系。

频繁项集（Frequent Item Sets）：经常出现在一块的物品的集合。

关联规则（Association Rules）：暗示两个物品之间可能存在很强的关系。

支持度（Support）：数据集中包含该项集的记录所占的比例，是针对项集来说的。

例子：豆奶，橙汁，尿布和啤酒是超市中的商品。

下表呈现每笔交易以及顾客所买的商品：

由此可见，总记录数为5，下面求每项集的支持度（以下并没有列出全部的支持度）。

｛豆奶｝ ：支持度为3/5.

｛橙汁｝：支持度为3/5.

｛尿布｝：支持度为3/5.

｛啤酒｝：支持度为4/5.

｛啤酒，尿布｝：支持度为3/5.

｛橙汁，豆奶，啤酒｝：支持度为2/5.

置信度（Confidence）：出现某些物品时，另外一些物品必定出现的概率，针对规则而言。

   规则1：｛尿布｝-->｛啤酒｝，表示在出现尿布的时候，同时出现啤酒的概率。

   该条规则的置信度被定义为：支持度｛尿布，啤酒｝／支持度｛尿布｝＝（3/5）／（3/5）＝3/3=1

   规则2：｛啤酒｝-->｛尿布｝，表示在出现啤酒的时候，同时出现尿布的概率。

   该条规则的置信度被定义为：支持度｛尿布，啤酒｝／支持度｛啤酒｝＝（3/5）／（4/5）＝3/4

二、关联分析步骤

1. 发现频繁项集，即计算所有可能组合数的支持度，找出不少于人为设定的最小支持度的集合。

2. 发现关联规则，即计算不小于人为设定的最小支持度的集合的置信度，找到不小于认为设定的最小置信度规则。

例子：豆奶，橙汁，尿布和啤酒是超市中的商品，并为其编号，豆奶0，橙汁1，尿布2，啤酒3.

可能集合数：

可能组合的个数：C4,1+C4,2+C4,3+C4,4=4＋6+4+1=15种

快速计算公式：2^n-1=2^4-1=15种

步骤一：发现频繁项集

此时，人为设定最小支持度为2/5. 以下涂黄色为大于2/5的集合。

 由此找到频繁项集。

步骤二：发现关联规则

 此时，人为设定最小置信度为3/4. 涂黄色的为大于等于3/4，涂橙色的为小于3/4.

 发现关联规则：

注：此文为记录艾达老师的视频而写的笔记。