# 关联规则挖掘

## 经典例子##\#

一家大型超市对**购物篮分析**，发现经常有人同时购买**啤酒**和**尿布**。

原因：美国的妇女们经常会嘱咐她们的丈夫下班以后要为孩子买尿布。而丈夫在买完尿布之后又要顺手买回自己爱喝的啤酒。

决策：超市将啤酒和尿布摆放在一起，增加购买的机会。

### 什么叫做经常同时购买？###\#

通过**支持度**（support）与**置信度**（confidence）来衡量。

* 支持度：support(A-->B) = |AB|/|N|\
  商品A和B（如啤酒和尿布） 同时出现在同一个购物清单中的数量 / 总的购物清单数
* 置信度：confidence(A-->B) = |AB|/|A|\
  同时出现在同一个购物清单中的数量/A出现的数量。即规则A-->B的可信度。

可信度是对关联规则的准确度的衡量，支持度是对关联规则重要性的衡量。\
支持度说明了这条规则在所有事务中有多大的代表性，显然支持度越大，关联规则越重要。

出现就行，不考虑一个购物清单中啤酒的数量。

## 关联挖掘##\#

给定一个数据集，从中找出所有支持度>最小支持度，置信度>最小置信度的关联规则（关联关系）

如果实现？\
思路1：\
穷举所有商品组合，看是否满足要求。 **不可取**

思路2：\
1.找出频繁项集\
2.生成规则

## apriori算法##\#

消除一些完全不可能是频繁项的集合。

两个原则：

* 如果一个集合是频繁项集，则它的所有子集都是频繁项集
* 如果一个集合不是频繁项集，则它的所有超集都不是频繁项集

![](/files/-M7DeQ9MpclPsJ6yjwNw)

缺点：需要不停扫描全表数据

## FP growth算法##\#

能不能扫描全表数据后，将需要的信息用个数据结构存储下。

看下数据的表述形式： ![](/files/-M7DeQ9N6bgalupo8pnZ)

稍微转换一下：

![](/files/-M7DeQ9Oj3XSGreJnEhX)

![](/files/-M7DeQ9TPoSRD9LaXqbb)

> 注意生成树的前，讲所有一项集按频繁度排序，排完再生成树

![](/files/-M7DeQ9UBoFSn9-F48AS)

生成树的过程中建立一个链表，最后得： ![](/files/-M7DeQ9V2T0b-we9or4S)

树生成后如何挖掘关联规则：**FP-growth**

![](/files/-M7DeQ9WV_3ULQsxflw7)

![](/files/-M7DeQ9XEp-iPEc6lKQJ)

### 参考佳文###\#

[关联规则的常用算法](http://www.bjt.name/2013/09/association-rules/)\
[关联规则挖掘基本概念与Aprior算法](http://www.cnblogs.com/fengfenggirl/p/associate_apriori.html)\
[关联规则FpGrowth算法](http://www.cnblogs.com/fengfenggirl/p/associate_fpgowth.html)

[频繁模式挖掘中Apriori、FP-Growth和Eclat算法的实现和对比（Python实现）](https://www.cnblogs.com/infaraway/p/6774521.html)

[挖掘频繁项集——Apriori、FP-Growth、Eclat、Diffset原理](https://blog.csdn.net/Xingzi_c/article/details/102801938)


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://json007.gitbook.io/svm/guan_lian_gui_ze_wa_jue.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.