关联规则是描述数据库中数据项之间所存在的关系的规则,即根据一个事务中某些项的出现可导出另一些项在同一事务中也会出现,即隐藏在数据间的关联或相互联系。关联规则的学习属于无监督学习过程。
1.关联规则定义
首先给出一个项的集合 I = {I1, I2, ..., Im} ,关联规则是形如 X -> Y 的蕴含式,X, Y 属于I,且X 与 Y 的交集为空。
2.指标定义
(1)置信度(confidence)
定义:设 W 中支持物品集 A 的事务中,有 c% 的事务同时也支持物品集 B ,c% 为关联规则 A -> B 的置信度,即条件概率P(Y|X)。
实例:如果一个顾客买了啤酒,他也买尿布的可能性有多大?购买啤酒的顾客中有50%的人购买了尿布,所以置信度是50%。
(2)支持度(support)
定义:设 W 中有 s% 的事务同时支持物品集 A 和物品集 B ,s%称为关联规则 A -> B 的支持度。支持度描述的是交集出现的概率有多大。
(3)期望置信度(expected confidence)
定义:设 W 中有 e% 的事务支持物品集 B , e% 称为关联规则 A-> B 的期望可信度,即 P(B)。期望置信度描述了单纯的物品集 B 在所有事务中出现的概率有多大。
(4)提升度(lift)
定义:提升度是置信度与期望置信度的比值。
后面介绍了挖掘数据集合中的频繁项集的经典算法 Apriori 、PrefixSpan 和 FP-Tree,就不记了。
另外,感觉看这本书的收获不大,后面不读了。