24、频繁模式、关联与相关性挖掘：原理、算法与应用

频繁模式、关联与相关性挖掘：原理、算法与应用

在当今数据爆炸的时代，从海量数据中挖掘有价值的信息变得至关重要。频繁模式、关联和相关性挖掘作为数据挖掘领域的重要分支，在选择性营销、决策分析和商业管理等方面发挥着关键作用。本文将深入探讨这一领域的相关概念、算法以及应用。

1. 基本概念

频繁模式、关联和相关性挖掘旨在发现大量数据之间的频繁模式、关联和相关关系。其中，市场篮子分析是一个热门应用领域，它通过搜索经常一起（或按顺序）购买的商品集合来研究客户的购买习惯。

关联规则挖掘主要包括两个步骤：首先，找到满足最小支持度阈值的频繁项集（即任务相关元组的百分比）；然后，从这些频繁项集中生成形如 A ⇒ B 的强关联规则，这些规则还需满足最小置信度阈值（即在 A 满足的条件下 B 满足的预设概率）。此外，关联关系还可以进一步分析以揭示相关性规则，这些规则传达了项集 A 和 B 之间的统计相关性。

频繁模式挖掘可以根据不同的标准进行多种分类：
- 基于待挖掘模式的完整性 ：包括挖掘频繁项集的完整集合、闭频繁项集、最大频繁项集和受限频繁项集。
- 基于规则中涉及的数据级别和维度 ：可分为单级关联规则挖掘、多级关联规则挖掘、单维关联规则挖掘和多维关联规则挖掘。
- 基于规则中处理的值的类型 ：包括挖掘布尔关联规则和定量关联规则。
- 基于待挖掘的规则类型 ：包括挖掘关联规则和相关性规则。
- 基于待挖掘的模式类型 ：频繁模式挖掘可分为频繁项集