19、数据挖掘算法：关联规则、支持向量机与神经网络

数据挖掘算法：关联规则、支持向量机与神经网络

1. 关联规则相关问题

关联规则挖掘是数据挖掘中的重要任务，可用于发现数据集中不同项目之间的关联关系。下面将围绕关联规则的相关问题展开讨论。

1.1 Apriori算法生成关联规则

使用Apriori算法从给定的交易表中完成关联规则生成过程，并通过实验不同的支持度和置信度值，观察它们对生成关联规则数量的控制作用。这有助于理解支持度和置信度在关联规则挖掘中的重要性，支持度反映了项目集在数据集中出现的频繁程度，置信度则衡量了规则的可靠性。

1.2 支持度与置信度计算

• 支持度计算 ：对于表中的项目集{5}、{2, 4}和{2, 4, 5}，需要根据交易数据计算它们的支持度。支持度的计算公式为：支持度 = 包含该项目集的交易数 / 总交易数。
• 置信度计算 ：计算规则{2, 4} → {5}和{5} → {2, 4}的置信度，并判断置信度是否具有对称性。置信度的计算公式为：置信度 = 支持度({A, B}) / 支持度({A})。

1.3 高置信度规则展示

找出包含三个项目的项目集中置信度大于等于0.7的两条规则。这需要对所有可能的三个项目的组合进行计算和筛选，以确定满足条件的规则。

1.4 关联规则数量计算

假设频繁项目集由4个项目{x, y, z, 𝑤}组成，计算可以形成的任意大小的关联规则数量以及恰好包含4个项目的关联规则数量。可以通过组合数学的方法来计算不同情况下的规则数量。