本文深入探讨深度学习中的关联规则分析，通过‘啤酒与尿布’的故事引入，解释支持度与置信度的概念。详细介绍了Apriori算法用于解决频繁项集挖掘的挑战，以及序列模式关联的重要性，提醒读者注意规则的实际意义和数据解释的陷阱。
前言
关联规则分析就是在交易数据、关系数据或其他信息载体中，查找存在于项目集合或对象集合之间的频繁模式、关联、相关性或因果结构。
“啤酒与尿布”的例子相信很多人都听说过吧，故事是这样的：在一家超市中，人们发现了一个特别有趣的现象，尿布与啤酒这两种风马牛不相及的商品居然摆在一起。但这一奇怪的举措居然使尿布和啤酒的销量大幅增加了。为什么有这么奇怪现象呢？是因为美国妇女在丈夫回家前买尿布，然后丈夫顺手买了自己喜欢的啤酒，所以发生了这么有趣的事情。
项(Items)，比如面包、牛奶，每一个都是一项。
项集(Itemset)，包含k个项的集合。
交易(Transaction)
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
