关联规则分析-apriori

Posted 2020-11-25 stacey999999

í一、概念

1、支持度support：数据集中A、B同时出现的频率，即 P(AB) = Freq(AB) / N

2、置信度confidence：在A出现的条件下，B出现的频率，即 置信度P(A->B) = Freq(AB) / Freq(A) 

3、提升度lift：left = 支持度(AB) / 支持度(A) * 支持度(B)

      注：提升度反应了关联规则中的A与B的相关性，提升都>1 且越高表明正相关性越高，提升度<1且越低表明负相关性越高，提升度=1表明没有相关性。

例如：A和B的关联规则的支持度是0.2，A出现的支持度是0.3，B出现的支持度是0.5，则提升度是 1.33>1，表明 ”A -> B“ 规则对于B的出现有提升效果

4、频繁项集：满足最小支持度要求的项集。

5、关联规则：表示两个物品之间，存在很强的关系

6、性质：

    a、如果某个项集是频繁的，那么它的所有子集也是频繁的

    b、如果某个项集是非频繁的，那么它的所有超集也是非频繁的

    c、Apriori算法从单元素项集开始，通过满足最小支持度的项集来形成更大的集合