23、关联挖掘到相关性分析及约束关联挖掘详解

关联挖掘到相关性分析及约束关联挖掘详解

1. 从关联挖掘到相关性分析

在数据挖掘中，大多数关联规则挖掘算法采用支持 - 置信度框架。然而，即使使用低支持阈值能发现许多规则，但很多生成的规则对用户来说并无意义，尤其在低支持阈值或长模式挖掘时，这成为关联规则挖掘成功应用的主要瓶颈。

1.1 强规则不一定有趣

规则是否有趣可主观或客观评估。客观有趣性度量基于数据背后的统计信息，能帮助筛选出无趣规则。例如，分析AllElectronics中电脑游戏和视频的交易数据：
- 分析10000笔交易，6000笔含电脑游戏，7500笔含视频，4000笔两者都含。
- 以30%最小支持度和60%最小置信度运行关联规则挖掘程序，得到规则： buys(X, “computer games”) ⇒ buys(X, “videos”) [support = 40%, confidence = 66%] 。
- 但购买视频的概率为75%，大于66%，说明电脑游戏和视频呈负相关，此规则具有误导性。这表明规则的置信度只是条件概率的估计，不能衡量A和B之间的真实相关性。

1.2 从关联分析到相关性分析

支持和置信度度量不足以过滤无趣的关联规则，可引入相关性度量来增强支持 - 置信度框架，得到形式为 A ⇒ B [support, confidence, correlation] 的相关规则。以下是几种常见的相关性度量：
- Lift度量 ：
- 若 P(A ∪ B) = P(A)P(B) ，则