頻繁項集、閉項集和關聯規則

頻繁項集：出現的次數超過最小支持度計數閾值

閉頻繁項集：一個集合他的超集(包含這個集合的集合)在數據庫里面的數量和這個集合在這個數據庫里面的數量不一樣,這個集合就是閉項集

如果這個集合還是頻繁的,那么他就是極大頻繁項集

項集{a,b}出現在TID為1,2的事務中，其支持度計數為2。而它的直接超集{a,b,c}支持度計數也為2，所以{a,b}不是閉項集。

Apriori算法

手撕例題

STEP1.候選1項集→頻繁1象集

拿到候選數據后，我們先篩選出候選頻繁1象集，并算出它們的支持度【支持度=有購買該物品的人/總人數】，完成這一操作后，將它和題目中給出的最小支持度作比較，從而得到頻繁1象集！

STEP2-3.重復上述步驟，進行候選2項集→頻繁2象集；候選3項集→頻繁3象集的過程直到不能夠再往下為止（例如，本題到頻繁3象集，{面、奶、酒}為止）。

STEP4.寫出最終頻繁N象集的非空真子集，如題中{面、奶、酒}的非空真子集如下所示，并分別計算它們的置信度！（注意！這里不再是計算支持度了哈！別和上面搞混了！）

舉個例子，我們要求{面}→{奶、酒}的置信度，翻譯一下即，我們想知道買了面的人，有多大可能性也買了奶、酒，即同時買面、奶、酒的人數/買面的人數=2/3！

后續同理，我們可以得到所有關系的置信度，最后我們再拿題干中的最小置信度和算出來的置信度進行比較！就能得出最終的強關聯規則（同時滿足最小支持度、置信度）

fp樹

先建立頻繁1項集

遞減排序

通過一行行事務進行建立樹（如果有相同路徑數字加1，沒有創建新的子樹）

挖掘出頻繁項集

關聯規則

同時滿足支持度以及置信度

強規則不一定是有趣的

強規則有一定欺騙性（置信度存在問題）可能某商品是必須品

從關聯分析到相關分析

提升度

lift(A,B)=P(AnB)/P(A)*P(B)

>1正相關，一個出現另一個就出現

<1負相關，一個出現另一個就不出現

=1獨立