16、机器学习中的关联规则挖掘与监督学习算法

机器学习中的关联规则挖掘与监督学习算法

1. 关联规则挖掘

关联规则在数学上描述了各种交易中涉及的项目之间的关系。它通过研究两个项目集之间的关系，以 $X ⇒ Y$ 的形式呈现，其中 $𝑋⊂𝜋$，$𝑌⊂𝜋$，并且 $X$ 和 $Y$ 是不重叠的项目集，即 $𝑋∩𝑌 = ∅$。例如，关联规则可以表示为 ${helmets, balls} ⇒ {bike}$，这里 ${helmets, balls}$ 是 $X$，${bike}$ 是 $Y$。

1.1 规则类型

运行关联分析算法通常会从交易数据集中生成大量规则，但其中大多数是无用的。为了挑选出能产生有用信息的规则，可将其分为以下三种类型：
- 平凡规则 ：许多规则总结了业务的常识，即使置信度高，也无法用于数据驱动的决策。例如：
- 从高楼跳下的人很可能死亡。
- 努力学习会在考试中取得更好的成绩。
- 随着温度下降，加热器的销量会增加。
- 在高速公路上超速驾驶会增加发生事故的几率。
- 难以解释的规则 ：这些规则没有明显的解释，难以使用。因为它们只是探索了两个无关事件之间无意义的关系。例如：
- 穿红色衬衫的人往往在考试中得分更高。
- 绿色自行车更容易被盗。
- 买泡菜的人最终也会买尿布。
- 可操作的规则 ：这是我们寻找的黄金规则，能被业务理解并带来洞察。例如：
- 规则 1：在用户的社交媒体账户上展示广告会提高销售的可能性。可操作项：建议产品的替代广告方式。
- 规则 2：创建更