【理论篇】数据挖掘 第六章 挖掘频繁模式、关联和相关性：基本概念和方法（上）

说明：文章为《数据挖掘：概念与技术 原书第03版》的学习笔记，该书是数据挖掘领域的经典之作，想了解更多内容请参阅原著。

一、频繁模式基本概念

        模式：通常指的是数据中的一种规律、趋势或特征，可以是单一的特征、属性，也可以是多个特征之间的关系或组合；

        频繁模式：频繁地出现在数据集中的模式。

1.1、购物篮分析：一个诱发例子

        频繁项集挖掘的一个典型例子是购物篮分析。该过程通过发现顾客放入他们“购物篮” 中的商品之间的关联，分析顾客的购物习惯(见图)。这种关联的发现可以帮助零售商 了解哪些离品频繁地被顾客同时购买，从而帮助他们制定更好的营销策略。例如，如果顾客 在一次超市购物时购买了牛奶，他们有多大可能也同时购买面包（以及何种面包）?这种信息可以帮助零售商做选择性销售和安排货架空间，导致增加销售量。

1.2、频繁项集、闭项集和关联规则

在学习频繁项集挖掘之前，需要了解以下概念：

• 项的集合：牛奶、面包等超市所有商品的集合；

• 事务：购物篮分析中的每一笔订单：非空集合，每一个事务都有一个标识符；

• 项集：商品的集合，项集的项可以是1个也可以是多个；包含1个项就是1项集，包含k个项就是k项集；

• 关联规则：项集A(前置项) => 项集B(后置项)；

• 支持度：同时包含项集A，B的事务 / 总事务；

• 置信度：包含A的事务同时也包含B的事务的百分比，可以理解为顾客选择A的情况下选择B的概率；

• 强规则：同时满足最小支持度阅值(min_sup)和最小置信度阈值(min con)的规则称为强规则；

• 相对支持度：P(A U B) 概率；

• 绝对支持度：项集的频度、支持度计数或计数。计数

• 频繁项集：相对支持度满足预定义的最小支持度阈值；

• 闭频繁项集：假设项集X在数据集D中，如果不存在真超项集Y使得Y与X在D中具有相同的支持度计数，则项集X是闭项集，如果项集X又是频繁的，则项集X为闭频繁项集；

• 极大频繁项集：假设项集X在数据集D中，且X是频繁的，没有其他频繁项集是X的真超集&#x