✴关联分析概述

选择物品间的关联规则也就是要寻找物品之间的潜在关系。要寻找这种关系，有两步，以超市为例

1. 找出频繁一起出现的物品集的集合，我们称之为频繁项集。比如一个超市的频繁项集可能有{{啤酒,尿布},{鸡蛋,牛奶},{香蕉,苹果}}
2. 在频繁项集的基础上，使用关联规则算法找出其中物品的关联结果。

简单点说，就是先找频繁项集，再根据关联规则找关联物品。
---------------------------------------------------------------------------------------------------------------------------------

找关联的时候主要有两个阈值进行参考：

1、支持度（Support）：支持度可以理解为物品当前流行程度。

支持度 = （包含物品A的记录数量） / （总的记录数量）

2、置信度（Confidence）：置信度是指如果购买物品A，有较大可能购买物品B。

置信度( A -> B) = （包含物品A和B的记录数量） / （包含 A 的记录数量）

e.g.  产品A作为分母，A出现的次数多，支持度就会高。A出现的次数多的同时AB一起出现的次数也多，那么这一个关联的置信度就高了！！

另外 ，Apriori的作用是根据物品间的支持度找出物品中的频繁项集，但查找频繁项集时候所做的计算都是复杂又耗时的！！

为了加快速度，有以下两句话值得参考，以此去掉很多非频繁的项集，大大简化计算量：

1、某个项集是频繁的，那么它的所有子集也是频繁的。

2、如果一个项集是 非频繁项集，那么它的所有超集也是非频繁项集。

参考链接：https://juejin.cn/post/6844903914035216398

最后

以上就是乐观巨人为你收集整理的Apriori关联分析算法 -尿布与啤酒的故事✴关联分析概述的全部内容，希望文章能够帮你解决Apriori关联分析算法 -尿布与啤酒的故事✴关联分析概述所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。