数据挖掘——关联规则挖掘

一、关联规则挖掘

关联规则挖掘：

一种发现大量数据中事物(特征)之间有趣的关联的技术。典型应用是购物篮分析：找出顾客购买行为模式、发现交易数据库中不同商品(项)之间的联系

1.关联规则挖掘的应用：互联网、零售、交通事故成因、生物医学

2.关联规则定义:假设I=I1，I2，。。。Im)是项的集合。给定一个事务数据库D，其中每个事务(Transaction)t是I的非空子集

关联规则：不相交的非空项集X、Y，蕴含式X->Y，X->Y是一条关联规则。其中X∈I，Y∈I，且X∩Y=∅

关联规则挖掘可以分解为下列两个子问题:

(1)找出所有频繁项目集 ,这些项目集在 TDB 中的支持度不小于最小支持度 min_sup ;

(2)由频繁项目集产生强关联规则 ,这些规则必须满足最小置信度 min_conf 。

3.先看一个简单的例子，假如有下面数据集，每一组数据ti表示不同的顾客一次在商场购买的商品的集合：

t1: 牛肉、鸡肉、牛奶

t2: 牛肉、奶酪

t3: 奶酪、靴子

t4: 牛肉、鸡肉、奶酪

t5: 牛肉、鸡肉、衣服、奶酪、牛奶

t6: 鸡肉、衣服、牛奶

t7: 鸡肉、牛奶、衣服

假如有一条规则：牛肉—>鸡肉，那么同时购买牛肉和鸡肉的顾客比例是3/7，而购买牛肉的顾客当中也购买了鸡肉的顾客比例是3/4。这两个比例参数是很重要的衡量指标，它们在关联规则中称作支持度（support）和置信度（confidence）。对于规则：牛肉—>鸡肉，它的支持度为3/7，表示在所有顾客当中有3/7同时购买牛肉和鸡肉，其反应了同时购买牛肉和鸡肉的顾客在所有顾客当中的覆盖范围；它的置信度为3/4，表示在买了牛肉的顾客当中有3/4的人买了鸡肉，其反应了可预测的程度，即顾客买了牛肉的话有多大可能性买鸡肉。

关联规则的度量

1.支持度(support)

支持度的定义：support(X->Y)=|X∩Y|/N=集合X与集合Y中的项在一条记