文章目錄

• 一、 關聯規則挖掘簡介
• 二、 數據集 與 事物 ( Transaction ) 概念
• 三、項 ( Item ) 概念
• 四、項集 ( Item Set ) 概念
• 五、頻繁項集
• 六、數據集、事物、項、項集合、項集 示例

一、 關聯規則挖掘簡介

---

Apriori 算法 是 關聯規則 挖掘算法 ,

關聯規則 反映了 對象之間 相互依賴關系 ,

可以通過 一個對象 的行為或屬性 預測 其它對象的行為或屬性 ;

關聯規則 不是 因果關系 , 有可能有因果關系 , 有可能沒有 ;

如 : 購買商品時 , 啤酒 與 尿布 就有關聯關系 , 這兩個之間肯定沒有因果關系 , 有一種未知的關聯關系 ;

關聯規則挖掘步驟 :

① 步驟一 : 找出 支持度 $\ge$ 最小支持度閾值 的 頻繁項集 ;

② 步驟二 : 根據 頻繁模式 生成 滿足 可信度閾值 的 關聯規則 ;

二、 數據集 與 事物 ( Transaction ) 概念

---

數據集 與 事物 ( Transaction ) 概念 :

數據挖掘 數據集 由 事物 構成 ;

數據集 記做 $D$ ;

使用事物表示 數據集 , 表示為 $D=\{t_1,t_2,?,t_n\}$ ,

其中 $t_k,(k=1,2,?,n)$ 稱為事物 ;

每個事物可以使用 唯一的標識符 表示 事物編號 ( TID ) ;

三、項 ( Item ) 概念

---

項 ( Item ) 概念 :

每個 事物 ( Transaction ) 由多個 項 ( Item ) 組成 ;

項 記做 $i$ ;

表示為 $t_k=\{i_1,i_2,?,i_n\}$ ;

數據集 $D$ 是所有 項 $i$ 的集合 是 $I$ 集合 ;

四、項集 ( Item Set ) 概念

---

項集 ( Item Set ) 概念 :

$I$ 中的 任意子集 $X$ , 稱為 數據集 $D$ 的 項集 ( Item Set ) ;

如果 項集 ( Item Set ) 中 項 ( Item ) 個數為 $k$ ,

則稱該 項集 ( Item Set ) 為 $k$ 項集 ( k-itemset ) ;

五、頻繁項集

---

頻繁項集 : 頻繁項集指的是出現次數較多的項集 ;

六、數據集、事物、項、項集合、項集 示例

---

事物編號事物 ( 商品 )

$001$	奶粉 , 萵苣
$002$	萵苣 , 尿布 , 啤酒 , 甜菜
$003$	奶粉 , 尿布 , 啤酒 , 橙汁
$004$	奶粉 , 萵苣 , 尿布 , 啤酒
$005$	奶粉 , 萵苣 , 尿布 , 橙汁

整個 數據集 $D$ , 由 $5$ 個事物 構成 ;

數據集 : $D=\{t_1,t_2,t_3,t_4,t_5\}$

事物 $1$ : $t_1=\{奶粉,萵苣\}$

事物 $2$ : $t_2=\{萵苣,尿布,啤酒,甜菜\}$

事物 $3$ : $t_3=\{奶粉,尿布,啤酒,橙汁\}$

事物 $4$ : $t_4=\{奶粉,萵苣,尿布,啤酒\}$

事物 $5$ : $t_5=\{奶粉,萵苣,尿布,橙汁\}$

上述 事物 集合中的元素 $i$ 都稱為項 , $奶粉,萵苣,尿布,啤酒,甜菜,橙汁$ 都是 項 ;

$I=\{奶粉,萵苣,尿布,啤酒,甜菜,橙汁\}$

項集 : 任意不相同的項組成的集合就稱為項集 , 上述 $6$ 個元素的集合有 $2^6$ 個項集 ; 參考集合冪集個數

$\{奶粉\}$ 是 $1$ 項集 ;

$\{尿布,啤酒\}$ 是 $2$ 項集 ;

$\{萵苣,尿布,啤酒\}$ 是 $3$ 項集 ;

$\{奶粉,萵苣,尿布,啤酒\}$ 是 $4$ 項集 ;

$\{奶粉,萵苣,尿布,啤酒,甜菜\}$ 是 $5$ 項集 ;

$\{奶粉,萵苣,尿布,啤酒,甜菜,橙汁\}$ 是 $6$ 項集 ;

總結

以上是生活随笔為你收集整理的【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 )的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。