DM&ML
DM_ML NOTES
ML_TEST
attachments
cards
基本概念:
- 频繁项集(frequent item set)：经常出现在一起的物品集合
- 关联规则(associational rules)：暗示两种物品之间可能存在很强的关系
- k项集：如果事件A中包含k个元素，那么称这个事件A为k项集，并且事件A满足最小支持度阈值的事件称为频繁k项集。
- Apriori算法用于减少计算量的策略：
算法过程
输入：
- 交易数据清单
- 最小支持度(minSupport)
过程：
- 从k（
- 之后，把所有频繁k项集组合成k+1项集，然后令k = k+1
- 重复上述步骤，直到不满足最小支持度
输出：
- 所有不同k的频繁项集
如何确定强关联关系？
- 关联关系由可信度衡量：
- 因此，要找到所有的强关联规则，只需要对得到的所有k>1的频繁项集进行如下操作
- 遍历项集中n个元素(n从1开始，到n-1结束)作为被规则（另外k-n个元素）推导出来的结果
- 计算该规则的可信度
- 如果大于minConf,则把这条规则认为成强规则。
- 因此，要找到所有的强关联规则，只需要对得到的所有k>1的频繁项集进行如下操作
Table Of Contents