一、关联规则挖掘简介

---

首先，对市场-篮子模型进行介绍

超市货架管理——市场-篮子模型：
该模型的目的：用来对众多的客户一次同时所购的物品进行规则挖掘。
方法：通过扫描条形码所收集的销售数据进行处理，寻找物品之间的独立性。

经典的规则：若一个用户购买了尿布和牛奶，那么他很有可能购买啤酒。因此若在超市看到尿布旁边摆放了一些啤酒不要惊讶。

以上每行的第一列表示对篮子的标号，第二列表示篮子中购买的物品。从上表的数据可获得如下的规则：{Milk} ——> {Coke}; ? {Diaper,Milk} ——>{Beer};

市场-篮子模型涉及如下的概念：

1）大的物品集。例如超市中买的所有东西

2）大的篮子集。各个篮子里是用户购买的超市所有物品集的子集

市场-篮子模型可以认为是两类对象之间的通用的多对多映射（关联），不过我们关注的是“物品”之间的关联，而不是篮子之间。

关联规则的挖掘方法：

给定篮子集，我们想要挖掘关联规则，所谓的关联规则即人们购买了{x,y,z}倾向于购买{v,w}。

那么对于关联规则的挖掘我们分为两步来进行：

1）寻找频繁集项

2）产生关联规则

对于上面的表格，

输入为：

输出为：

那么以下对频繁集项和关联规则进行介绍

频繁集项（Frequent Itemsets）

首先，最简单的问题是，在所有篮子中寻找同时“频繁”出现的物品集。

同时涉及物品集I的支持度的问题，所谓物品集I支持度，就是在所有篮子中，包含物品集I的篮子的数目，通常用与总的篮子数的比例来表示。即

支持度 = 包含物品集I的篮子数 / 总的篮子数

对于上表中的数据，{beer， bread}的支持度为：2，若用比例来表达为：2 / 5

那么什么是频繁集项呢？

就是给定支持度阈值s，若所有的篮子中，给定物品集的支持度大于或等于s，则称该物品集为频繁集项。

举例：

给定如下物品集：

Items = {milk,coke,pepsi,beer,juice}

那么可以得出如下的结果：

上面的结果表示给定最小支持度阈值为3，那么大于或等于最小支持度的的频繁集项下面列出的所示。

关联规则（Assoiciation Rules)

即是给定篮子里的内容，从中挖掘if-then形式的规则。即如下形式

上面的形式表示：若一个篮子包含所有的i1，i2，...，ik，那么它很有可能包含j。

在实际应用中还有很多的规则，我们通常从中寻找有意义的/有趣的规则。

在关联规则中，涉及如下的概念置信度（Confidence）。

关联规则的置信度就是给定I = {i1,i2,...,ik}情况下，出现j的概率。

然而，需要注意的是，并不是所有的高置信度规则都是有意义的，比如规则X--->milk对于很多的物品集X拉说都有高置信度。

引出如下概念：关联规则I--->j的兴趣（Interest）

定义为该关联规则的执行度与其包含j的篮子的概率之差。因此，感兴趣的规则是那么高的正或负兴趣值（interest value）。

对于那些不感兴趣的规则，那么包含j的篮子的概率与包含{I，j}的子集篮子相等，这样，将导致置信度非常高，而兴趣值很低。

举例：

对于关联规则：{m，b}--->c

执行度（confidence）=2/4=0.5

兴趣值（interest）=|0.5 - 5/8| = 1/8

其中，1）物品c在篮子中出现的概率为5/8。2）规则不是非常的感兴趣。