总述频繁模式、关联规则和相关规则的挖掘

Ø         大量数据中的频繁模式、关联和相关关系的发现，在选中市场、决策分析和商务关联方面是有用的。一个流行的应用领域是购物篮分析，通过搜索经常一块（或依次）购买的商品的集合，研究顾客的购买习惯，以发现一些隐藏的、有趣的规则。典型的如顾客购买啤酒的时候很有可能会购买尿布。关联规则挖掘首先找出频繁项集（项的集合，如A和B，满足最小支持度阀值，或任务相关元组的百分比），然后，由它们产生形如A=>B的强关联规则。这些规则也满足最小置信度阀值（预定义的、在满足A的条件下满足B的概率）。进一步分析关联，发现项集A和B之间具有统计相关的相关规则。

Ø         根据不同的标准，频繁项集挖掘可以用很多不同的方法分成若干类型，如：

（1）       根据所挖掘的模式的完全性，频繁模式挖掘的类型包括挖掘频繁项集的完全集、闭频繁项集、极大频繁项集和被约束的频繁项集，等等。

（2）       根据规则涉及的层和维，类别可以包括单层关联规则、多层关联规则，单维关联规则和多维关联规则。

（3）       根据规则所处理的值类型，类别可以包括布尔关联规则和量化关联规则。

（4）       根据所挖掘的规则类型，包括关联规则和相关规则。

（5）       根据所挖掘的模式类型，可分为频繁项集挖掘，序列模式挖掘，结构模式挖掘，等等。

Ø         对于频繁模式的挖掘，已有许多有效的、可伸缩的算法，由它们可以导出关联和相关规则。这些算法可分为三类：

（1）       类Apriori算法；

（2）       基于频繁模式增长的算法，如FP增长；

（3）       使用垂直数据格式的算法。