关联分析通过挖掘数据中项之间的关系，揭示潜在的购买模式，如啤酒与尿布的故事所示。本文介绍了关联分析的核心术语，如项、项集、支持度和置信度，并解释了频繁项集、闭合频繁项集的概念。同时，讨论了如何发现关联规则，包括置信度计算和多层次关联规则分析，以及兴趣度度量如提升度（lift）和余弦相似度，以避免误导性的规则。
想必大家都听说过啤酒和尿布的故事，这种烂大街的例子很好的反映出关联分析的本质，这里简要提提这个所谓的啤酒和尿布。
有好事人儿发现周末的夜晚，家庭妇男为了和球赛度过一个美丽的夜晚，需要啤酒相伴，这个时候，一家之主兼政委主席——你的妻子却还需要照顾孩子，“想看球赛没问题，买啤酒顺便买尿布”。
对购物篮进行分析之后，惊喜的发现还真有这么回事儿。
这例子孰真孰假不得知，但起码它反映出了数据分析的价值之一——将两个毫不相干的事物建议起了一个关联规则。
-
首先，先介绍一些相关术语：
1）项：在关联分析中被研究的对象，也就是上述中的啤酒、尿布
2）项集：这些对象所组成的一个集合，{啤酒，尿布}
3）k项集：{啤酒，尿布}就是一个二项集
4）频数：一个项集出现的次数
5）支持度：一个项集出现的频率
举个栗子：
| TID |
Items bought |
| 10 |
A, B, D |
| 20 |
A, C, D |
| 30 |
A, D, E |
| 40 |
B, E, |
扫一扫
2376
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
