六 关联分析：基本概念和算法1

啤酒尿布问题

6.1 问题定义

二元表示：

项集、事务和支持度计数：包含0个或多个项的集合被称为项集，k-项集；真实存在的项集称为事务；包含特定项集的事务个数称为项集的支持度计数。
关联规则：蕴含表达式X->Y
关联规则的强度：支持度和置信度，支持度可以用于给定数据集的频繁程度，置信度确定Y包含X的事务中出现的频繁程度。

关联规则挖掘问题的形式化描述：

6.2 频繁项集的产生

候选项集，通过比较候选项集包含在事务中来增加支持度计数。
（1）减少候选项集的数目
（2）较少比较次数

6.2.1 先验原理

描述如何使用支持度度量，来减少频繁项集产生需要探查的候选项集的个数。

基于支持度的剪枝；一个项集的支持度绝不会超过它的子集的支持度。

6.2.2 Apriori算法的频繁项集的产生

基于支持度的剪枝计数，系统控制候选项集指数增长。