【数据挖掘】关联规则挖掘 Apriori 算法 ( 频繁项集 | 非频繁项集 | 强关联规则 | 弱关联规则 | 发现关联规则 )

参考博客 :

• 【数据挖掘】关联规则挖掘 Apriori 算法 ( 关联规则简介 | 数据集 与 事物 Transaction 概念 | 项 Item 概念 | 项集 Item Set | 频繁项集 | 示例解析 )
• 【数据挖掘】关联规则挖掘 Apriori 算法 ( 关联规则 | 数据项支持度 | 关联规则支持度 )
• 【数据挖掘】关联规则挖掘 Apriori 算法 ( 置信度 | 置信度示例 )

一、 频繁项集

项集 X \rm X X 的 支持度 s u p p o r t ( X ) \rm support(X) support(X) , 大于等于 指定的 最小支持度阈值 m i n s u p \rm minsup minsup ,

则称该 项集 X \rm X X 为 频繁项集 ,

又称为 频繁项目集 ;

二、 非频繁项集

项集 X \rm X X 的 支持度 s u p p o r t ( X ) \rm support(X) support(X) , 小于 指定的 最小支持度阈值 m i n s u p \rm minsup minsup ,

则称该 项集 X \rm X X 为 非频繁项集 ,

又称为 非频繁项目集 ;

三、 强关联规则

项集 X \rm X X 是 频繁项集 的前提下 , ( 项集 X \rm X X 的 支持度 s u p p o r t ( X ) \rm support(X) support(X) , 大于等于 指定的 最小支持度阈值 m i n s u p \rm minsup minsup ) ,

置信度 c o n f i d e n c e ( X ⇒ Y ) \rm confidence (X \Rightarrow Y) confidence(X⇒Y) 大于等于 置信度最小阈值 m i n c o n f \rm minconf minconf ,

称该 关联规则 X ⇒ Y X \Rightarrow Y X⇒Y 是 强关联规则 ;

四、 弱关联规则

项集 X \rm X X 是 频繁项集 的前提下 , ( 项集 X \rm X X 的 支持度 s u p p o r t ( X ) \rm support(X) support(X) , 小于等于 指定的 最小支持度阈值 m i n s u p \rm minsup minsup ) ,

置信度 c o n f i d e n c e ( X ⇒ Y ) \rm confidence (X \Rightarrow Y) confidence(X⇒Y) 小于 置信度最小阈值 m i n c o n f \rm minconf minconf ,

称该 关联规则 X ⇒ Y X \Rightarrow Y X⇒Y 是 弱关联规则 ;

五、 发现关联规则

发现关联规则 :

从 数据集 D \rm D D 中 , 发现 支持度 s u p p o r t \rm support support , 置信度 c o n f i d e n c e \rm confidence confidence , 大于等于给定 最小阈值 的 强关联规则 ;

目的是 发现 强关联规则 ;