机器学习导论IntroductiontoMachineLearning.pptVIP

规则度量：支持度和置信度 Customer buys diaper Customer buys both Customer buys beer 对所有满足最小支持度和置信度的关联规则 支持度s是指事务集T中包含 的百分比 置信度c是指T中包含A同时也包含B的事务占包含A的事务的百分比 最小支持度 min_sup 最小置信度 min_conf 强关联规则：如果事务集合T中的关联规则A?B同时满足 support(A?B)min_sup, confidence(A?B)min_conf, 则A?B称为T中的强关联规则。 频繁K-项集 k－项集：包含k个项的集合 {牛奶，面包，黄油}是个3－项集 如果K—项集的频率(即支持计数)大于最小支持计数（最小支持度×T中的事务总数n），则称该项集为频繁K-项集 3.2 关联规则挖掘步骤 大型数据库中的关联规则挖掘包含两个过程： 找出所有频繁项集 大部分的计算都集中在这一步 由频繁项集产生强关联规则 即满足最小支持度和最小置信度的规则 3.3 Apriori算法 定理一 如果某k-项集不是频繁k-项集，则包含IK的(k+1)--项集也不是频繁(k+1)--项集。该性质称为Apriori性质。 支持度与置信度举例 。 最小支持度 50% 最小置信度 50% 对规则A ? C，其支持度