19、频繁模式挖掘：概念、应用、挑战与算法

频繁模式挖掘：概念、应用、挑战与算法

1. 频繁模式挖掘基础概念

频繁模式挖掘（Frequent Pattern Mining，FPM）是数据挖掘中的一项关键任务，旨在识别数据集中频繁出现的模式或项集。这些模式有助于发现不同领域大量数据之间的关联、相关性和结构，如市场篮子分析、网络挖掘、生物信息学和网络安全等。

1.1 市场篮子分析示例

通过购物车的可视化示例可以更好地理解市场篮子分析。假设有三个购物车，里面装满了从杂货店购买的各种物品，每个物品用一个盒子表示。经过检查发现，物品 A、Q 和 G 同时出现在三个购物车中，这表明它们经常一起被购买。基于此模式，如果有人购买了物品 A 和 Q，就可以推荐他们购买物品 G。

1.2 关键概念

概念	定义	示例
项集	一个或多个物品的集合	在超市场景中，项集可能是 {牛奶, 面包, 黄油}
支持度	数据集中包含某个项集的交易比例或频率	若 1000 笔交易中有 100 笔包含 {牛奶, 面包}，则该项集的支持度为 10%
频繁项集	支持度大于或等于用户指定支持阈值的项集	根据具体应用需求设置阈值