第六章（1） 关联分析：基本概念

1. 关联分析：发现隐藏在大型数据集中的有意义的联系；所发现的联系可以用关联规则和频繁项集来表示
2. 两个问题：
   1. 从大型事务数据集中发现联系的开销大
   2. 所发现的联系需要验证
3. 问题定义：
   1. 二元表示：购物篮事务每行对应一个事务，每列对应一个项，项在事务中的值为0或1，出现很重要，所以是非对称二元变量
   2. 项集和支持度计数：事务的宽度是事务中出现项的个数；项集的支持度计数即包含该项集的事务个数
   3. 关联规则：关联规则的强度用支持度和置信度度量
      1. 支持度：确定规则可以用于给定数据集的频繁程度
      2. 置信度：确定Y在包含X的事务中出现的频繁程度
      3. 支持度代表规则出现程度，置信度通过规则进行推理具有可靠性
      4. 关联分析做出的推论并不必然蕴含因果关系，这只表示规则前后件中的项明显的同时出现；因果关系需要关于数据中原因和结果属性的知识
   4. 关联规则的发现：对给定事务集合T，关联规则发现是指找出支持度和置信度>=阈值的规则
   5. 从包含多个项的数据集中提取规则的直接办法开销很大，提高效率的方法是拆分支持度和置信度要求，一种策略：
      1. 频繁项集的产生：从项集中找到满足最小支持度阈值的项集，即频繁项集
      2. 规则的产生：从频繁项集中提取满足最小置信度阈值的规则，即强规则
4. 频繁项集的产生：
   1. 两种降低频繁项集的计算复杂度的策略：
      1. 减少候选项集的数目：先验原理Apriori
      2. 减少比较次数：替代每个候选项集和每个事务相匹配，使用更高级的数据结构、存储候选项集、压缩数据集
   2. 先验原理：如果一个项集是频繁的，则它的所有子集是频繁的；相反，子集如果是非频