【数据挖掘】期末复习 第五章

第五章 关联分析

1、关联分析的定义

关联分析(Association Analysis)用于发现隐藏在大型数据集中的令人感兴趣的联系。联系的表示方式一般为关联规则或频繁项集，例：{尿布}→{啤酒}。

2、关联分析的应用

挖掘商场销售数据，发现商品间的联系，帮助商场进行促销及货架的摆放；挖掘医疗诊断数据，可以发现某些症状与某种病之间的关联，为医生进行疾病诊断和治疗提供线索；网页挖掘——揭示不同浏览网页之间的有趣联系。

3、关联分析的基本概念

项集：一个包含 k 个数据项的项集就称为 k−项集
支持度计数：包含该项集的事务数
频繁项集：满足minsupport的n项集
关联规则：形如 X –> Y 的蕴涵式，{可乐，尿布}->{啤酒}
支持度： 该项集出现次数/总事务数
置信度： c(X->Y)=σ(XUY)/σ(X)

4、关联分析的任务

找出数据集中隐藏的强规则，通常分为两个步骤，首先在数据集中找出频繁项集，然后从频繁项集中，提取所有高置信度的规则。

5、Apriori 算法

Apriori 算法具有一个 Apriori 性质，即先验原理来控制候选项集的指数增长。
Apriori 性质(先验原理)：如果一个项集是频繁的，则它的所有子集也是频繁的，相反：如果一个项集是非频繁的，则它的所有超集也一定是非频繁的。

例如：
{X,Y,Z}频繁→{X,Y},{X,Z},{Y,Z}也频繁
{X,Y}不频繁→所有超集都不频繁

6、关联规则的生成

前面介绍的 Apriori 算法和 FP-growth 算法都是频繁项集提取算法。在提取出频繁项集的基础上，就可以生成强关联规则，方法如下：
给定频繁项集 X，取 X 的每个非空真子集 S，如果规则 S→X－S 满足置信度阈值，则该规则为强关联规则。

7、关联规则的评估

关联规则的评估通常有 2 种方式：一种通过统计论据来评估, 支持度、置信度、提升度；另一种通过主观论据来评估。
统计论据评估：
== 其实就是算概率==

其中：

lift值	Value
lift>1	强关联
lift<1	弱关联

例题