文章目錄

• 一、 頻繁項集
• 二、 非頻繁項集
• 三、 強關聯規則
• 四、 弱關聯規則
• 五、 發現關聯規則

參考博客 :

• 【數據挖掘】關聯規則挖掘 Apriori 算法 ( 關聯規則簡介 | 數據集 與 事物 Transaction 概念 | 項 Item 概念 | 項集 Item Set | 頻繁項集 | 示例解析 )
• 【數據挖掘】關聯規則挖掘 Apriori 算法 ( 關聯規則 | 數據項支持度 | 關聯規則支持度 )
• 【數據挖掘】關聯規則挖掘 Apriori 算法 ( 置信度 | 置信度示例 )

一、 頻繁項集

---

項集 $\mathrm{X}$ 的 支持度 $\mathrm{s}\mathrm{u}\mathrm{p}\mathrm{p}\mathrm{o}\mathrm{r}\mathrm{t}(\mathrm{X})$ , 大于等于 指定的 最小支持度閾值 $\mathrm{m}\mathrm{i}\mathrm{n}\mathrm{s}\mathrm{u}\mathrm{p}$ ,

則稱該 項集 $\mathrm{X}$ 為 頻繁項集 ,

又稱為 頻繁項目集 ;

二、 非頻繁項集

---

項集 $\mathrm{X}$ 的 支持度 $\mathrm{s}\mathrm{u}\mathrm{p}\mathrm{p}\mathrm{o}\mathrm{r}\mathrm{t}(\mathrm{X})$ , 小于 指定的 最小支持度閾值 $\mathrm{m}\mathrm{i}\mathrm{n}\mathrm{s}\mathrm{u}\mathrm{p}$ ,

則稱該 項集 $\mathrm{X}$ 為 非頻繁項集 ,

又稱為 非頻繁項目集 ;

三、 強關聯規則

---

項集 $\mathrm{X}$ 是 頻繁項集 的前提下 , ( 項集 $\mathrm{X}$ 的 支持度 $\mathrm{s}\mathrm{u}\mathrm{p}\mathrm{p}\mathrm{o}\mathrm{r}\mathrm{t}(\mathrm{X})$ , 大于等于 指定的 最小支持度閾值 $\mathrm{m}\mathrm{i}\mathrm{n}\mathrm{s}\mathrm{u}\mathrm{p}$ ) ,

置信度 $\mathrm{c}\mathrm{o}\mathrm{n}\mathrm{f}\mathrm{i}\mathrm{d}\mathrm{e}\mathrm{n}\mathrm{c}\mathrm{e}(\mathrm{X}?\mathrm{Y})$ 大于等于 置信度最小閾值 $\mathrm{m}\mathrm{i}\mathrm{n}\mathrm{c}\mathrm{o}\mathrm{n}\mathrm{f}$ ,

稱該 關聯規則 $X?Y$ 是 強關聯規則 ;

四、 弱關聯規則

---

項集 $\mathrm{X}$ 是 頻繁項集 的前提下 , ( 項集 $\mathrm{X}$ 的 支持度 $\mathrm{s}\mathrm{u}\mathrm{p}\mathrm{p}\mathrm{o}\mathrm{r}\mathrm{t}(\mathrm{X})$ , 小于等于 指定的 最小支持度閾值 $\mathrm{m}\mathrm{i}\mathrm{n}\mathrm{s}\mathrm{u}\mathrm{p}$ ) ,

置信度 $\mathrm{c}\mathrm{o}\mathrm{n}\mathrm{f}\mathrm{i}\mathrm{d}\mathrm{e}\mathrm{n}\mathrm{c}\mathrm{e}(\mathrm{X}?\mathrm{Y})$ 小于 置信度最小閾值 $\mathrm{m}\mathrm{i}\mathrm{n}\mathrm{c}\mathrm{o}\mathrm{n}\mathrm{f}$ ,

稱該 關聯規則 $X?Y$ 是 弱關聯規則 ;

五、 發現關聯規則

---

發現關聯規則 :

從 數據集 $\mathrm{D}$ 中 , 發現 支持度 $\mathrm{s}\mathrm{u}\mathrm{p}\mathrm{p}\mathrm{o}\mathrm{r}\mathrm{t}$ , 置信度 $\mathrm{c}\mathrm{o}\mathrm{n}\mathrm{f}\mathrm{i}\mathrm{d}\mathrm{e}\mathrm{n}\mathrm{c}\mathrm{e}$ , 大于等于給定 最小閾值 的 強關聯規則 ;

目的是 發現 強關聯規則 ;

總結

以上是生活随笔為你收集整理的【数据挖掘】关联规则挖掘 Apriori 算法 ( 频繁项集 | 非频繁项集 | 强关联规则 | 弱关联规则 | 发现关联规则 )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。