關(guān)聯(lián)規(guī)則的幾個(gè)概念：

關(guān)聯(lián)規(guī)則是形如 X -> Y 的蘊(yùn)含式，表示通過 X 可以推導(dǎo)出 Y，X稱為關(guān)聯(lián)規(guī)則的左部（Left Hand Side，LHS），Y 稱為關(guān)聯(lián)規(guī)則的右部（Right Hand Side，RHS）。

關(guān)聯(lián)規(guī)則有兩個(gè)指標(biāo)，分別是支持度（Support）和置信度（Confidence）。關(guān)聯(lián)規(guī)則A -> B 的支持度（support）= P(AB)，指的是事件 A 和事件 B 同時(shí)發(fā)生的概率。置信度（confidence） = P(B|A) = P(AB) / P(A)，指的是發(fā)生事件A的基礎(chǔ)上，發(fā)生事件B的概率。比如，如果尿布->啤酒關(guān)聯(lián)規(guī)則的支持度為 30%，置信度60%，那么就表示所有的商品交易中，30% 交易同時(shí)購買了尿布和啤酒，在購買尿布的交易中，60% 的交易同時(shí)購買了啤酒。

關(guān)聯(lián)規(guī)則分析需要從基礎(chǔ)數(shù)據(jù)中挖掘出支持度和置信度都超過一定閾值的關(guān)聯(lián)規(guī)則，以便在決策中應(yīng)用。同時(shí)滿足最小支持度閾值和最小置信度閾值的規(guī)則，稱為強(qiáng)規(guī)則。

挖掘關(guān)聯(lián)規(guī)則的主流算法為 Apriori 算法。它的基本思想是在數(shù)據(jù)集中找出同時(shí)出現(xiàn)概率符合預(yù)定義（Pre-defined）支持度的頻繁項(xiàng)集，而后從以上頻繁項(xiàng)集中，找出符合預(yù)定義置信度的關(guān)聯(lián)規(guī)則。

原理：
如果某個(gè)項(xiàng)集是頻繁的，那么它的所有子集也是頻繁的。它的逆否命題是，如果一個(gè)項(xiàng)集是非頻繁的，那么它的所有超集也是頻繁的。

在上圖中，已知陰影項(xiàng)集{商品2，商品3}是非頻繁的。利用這個(gè)基礎(chǔ)知識(shí)，我們可以知道項(xiàng)集 {商品0，商品2，商品3}，{商品1，商品2，商品3} 以及 {商品0，商品1，商品2，商品3} 也是非頻繁的，因?yàn)樗鼈兪?{商品2，商品3} 的超集。于是在計(jì)算過程中，一旦計(jì)算出 {商品2，商品3} 的支持度，知道它是非頻繁的后，就可以緊接著排除它的超集，節(jié)省了計(jì)算工作量。

總結(jié)

以上是生活随笔為你收集整理的关联规则分析 Apriori 算法 简介与入门的全部內(nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。