關聯規則分析

• 1.簡單來說-關聯規則
• 2.經典關聯規則挖掘-Apriori

1.簡單來說-關聯規則

關聯規則–通過量化的數字描述物品甲的出現 對 物品乙的出現 有多大影響。

最早是為了發現超市銷售數據庫中不同的商品之間的關聯關系：哪組商品可能會在一次購物中同時購買。

廣泛應用于–購物籃數據，生物信息學，醫療診斷，網頁挖掘和科學數據分析。

關聯規則舉例：

購買面包的用戶很有可能會購買牛奶，$面包\ge 牛奶$，面包為前項，牛奶為后項。面包降價銷售，適當提高牛奶的售價。這一關聯規則，可能會增加超市的整體利潤。

“啤酒與尿布”–最常聽到的例子

關聯規則分析： 找出數據集中各項之間的關聯關系。
發現關聯規則的算法 為 無監督學習算法–Apriori,Eclat,FP-Tree,灰色關聯法

2.經典關聯規則挖掘-Apriori

Apriori–挖掘頻繁項集，核心思想：通過連接產生候選項與其支持度，通過剪枝生成頻繁項集。

基本概念：

關聯規則的支持度–項集A和B同時發生的概率：$p(A\cap B)$

關聯規則的置信度–項集A發生，則項集B發生的概率：$p(B|A)$

最小支持度/最小置信度–一條規則有效的最小閾值，專家確定。

項集–包含項目的集合{牛奶，麥片，糖}是一個三項集

支持度計數：事物集中包含項目集A的事物的個數。

依據公式計算相應的概率就可以了，就是概念的理解。

總結

以上是生活随笔為你收集整理的MachineLearning(11)-关联规则分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。