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 $\mathrm{X}$ 的 支持度 $\mathrm{s}\mathrm{u}\mathrm{p}\mathrm{p}\mathrm{o}\mathrm{r}\mathrm{t}(\mathrm{X})$ , 大于等于 指定的 最小支持度阈值 $\mathrm{m}\mathrm{i}\mathrm{n}\mathrm{s}\mathrm{u}\mathrm{p}$ ,

则称该 项集 $\mathrm{X}$ 为 频繁项集 ,

又称为 频繁项目集 ;

二、 非频繁项集

---

项集 $\mathrm{X}$ 的 支持度 $\mathrm{s}\mathrm{u}\mathrm{p}\mathrm{p}\mathrm{o}\mathrm{r}\mathrm{t}(\mathrm{X})$ , 小于 指定的 最小支持度阈值 $\mathrm{m}\mathrm{i}\mathrm{n}\mathrm{s}\mathrm{u}\mathrm{p}$ ,

则称该 项集 $\mathrm{X}$ 为 非频繁项集 ,

又称为 非频繁项目集 ;

三、 强关联规则

---

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

置信度 $\mathrm{c}\mathrm{o}\mathrm{n}\mathrm{f}\mathrm{i}\mathrm{d}\mathrm{e}\mathrm{n}\mathrm{c}\mathrm{e}(\mathrm{X}\Rightarrow \mathrm{Y})$ 大于等于 置信度最小阈值 $\mathrm{m}\mathrm{i}\mathrm{n}\mathrm{c}\mathrm{o}\mathrm{n}\mathrm{f}$ ,

称该 关联规则 $X\Rightarrow Y$ 是 强关联规则 ;

四、 弱关联规则

---

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

置信度 $\mathrm{c}\mathrm{o}\mathrm{n}\mathrm{f}\mathrm{i}\mathrm{d}\mathrm{e}\mathrm{n}\mathrm{c}\mathrm{e}(\mathrm{X}\Rightarrow \mathrm{Y})$ 小于 置信度最小阈值 $\mathrm{m}\mathrm{i}\mathrm{n}\mathrm{c}\mathrm{o}\mathrm{n}\mathrm{f}$ ,

称该 关联规则 $X\Rightarrow Y$ 是 弱关联规则 ;

五、 发现关联规则

---

发现关联规则 :

从 数据集 $\mathrm{D}$ 中 , 发现 支持度 $\mathrm{s}\mathrm{u}\mathrm{p}\mathrm{p}\mathrm{o}\mathrm{r}\mathrm{t}$ , 置信度 $\mathrm{c}\mathrm{o}\mathrm{n}\mathrm{f}\mathrm{i}\mathrm{d}\mathrm{e}\mathrm{n}\mathrm{c}\mathrm{e}$ , 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 ;