简介

分类

算法(Apriori 算法 F-P算法)

简介

关联式规则(Association Rules, AR)，又称关联规则，是数据挖掘的一个重要课题，用于从大量数据中挖掘出有价值的数据项之间的相关关系。关联规则解决的常见问题如：“如果一个消费者购买了产品A，那么他有多大机会购买产品B?”以及“如果他购买了产品C和D，那么他还将购买什么产品？”正如大多数数据挖掘技术一样，关联规则的任务在于减少潜在的大量杂乱无章的数据，使之成为少量的易于观察理解的静态资料。

关联规则一个经典的实例是购物篮分析(Market Basket Analysis)。超市对顾客的购买记录数据库进行关联规则挖掘，可以发现顾客的购买习惯，例如，购买产品X的同时也购买产品Y，于是，超市就可以调整货架的布局，比如将X产品和Y产品放在一起，增进销量。

分类

根据关联规则所处理的值的类型

如果考虑关联规则中的数据项是否出现，则这种关联规则是布尔关联规则(Boolean association rules)。例如上面的例子。

如果关联规则中的数据项是数量型的，这种关联规则是数量关联规则(quantitative association rules)。例如年龄("20-25")购买("网球拍")，年龄是一个数量型的数据项。在这种关联规则中，一般将数量离散化(discretize)为区间。

根据关联规则所涉及的数据维数

如果关联规则各项只涉及一个维，则它是单维关联规则(single-dimensional association rules)，例如购买("网球拍")购买("网球")只涉及“购买”一个维度。

如果关联规则涉及两个或两个以上维度，则它是多维关联规则(multi-dimensional association rules)，例如年龄("20-25")购买("网球拍")涉及“年龄”和“购买”两个维度。

根据关联规则所涉及的抽象层次

如果不涉及不同层次的数据项，得到的是单层关联规则(single-level association rules)。

在不同抽象层次中挖掘出的关联规则称为广义关联规则(generalized association rules)。例如年龄("20-25")购买("HEAD网球拍")和年龄("20-25")购买("网球拍")是广义关联规则，因为"HEAD网球拍"和"网球拍"属于不同的抽象层次。

算法

Apriori 算法

Apriori算法所使用的前置统计量包括了：

最大规则物件数：规则中物件组所包含的最大物件数量，在微软关联规则参数为Maximum_Itemset_Size

最小支援：规则中物件或是物件组必顸符合的最低案例数，在微软关联规则参数为Minimum_Support。

最小信心水平：计算规则所必须符合的最低信心水平门槛，在微软关联规则参数为Minimum_Probability。

F-P算法