数据挖掘中的模式发现（二）Apriori算法

基本概念

对于$A\rightarrow B$

1. 支持度(support)：

   $P(A ∩ B)$，既有A又有B的概率

2. 置信度(Confidence Strength)：

   $conf(A\rightarrow B) = {sup(A ∪ B) \over sup(A)} = P(B|A)$

   即，在A发生的事件中同时发生B的概率

   例如购物篮分析：牛奶$⇒$面包

   例子：[支持度：3%，置信度：40%]

   支持度3%：意味着3%顾客同时购买牛奶和面包

   置信度40%：意味着购买牛奶的顾客40%也购买面包

3. 候选集(Candidate itemset)：

   通过向下合并得出的项集。

   定义为C[k]。

4. 频繁集(Frequent itemset)：
   支持度大于等于特定的最小支持度（Minimum Support/minsup）的项集。

   表示为L[k]。

5. 提升比率(提升度Lift)：

   lift(