關(guān)聯(lián)分析

關(guān)聯(lián)分析是一種在大規(guī)模數(shù)據(jù)集中尋找有趣關(guān)系的任務(wù)。 這些關(guān)系可以有兩種形式: 頻繁項(xiàng)集（frequent item sets）: 經(jīng)常出現(xiàn)在一塊的物品的集合。 關(guān)聯(lián)規(guī)則（associational rules）: 暗示兩種物品之間可能存在很強(qiáng)的關(guān)系。

相關(guān)術(shù)語

• 關(guān)聯(lián)分析（關(guān)聯(lián)規(guī)則學(xué)習(xí)): 從大規(guī)模數(shù)據(jù)集中尋找物品間的隱含關(guān)系被稱作 關(guān)聯(lián)分析(associati analysis) 或者 關(guān)聯(lián)規(guī)則學(xué)習(xí)（association rule learning） 。 下面是用一個(gè) 雜貨店 例子來說明這兩個(gè)概念，如下圖所示:
  

• 頻繁項(xiàng)集: {葡萄酒, 尿布, 豆奶} 就是一個(gè)頻繁項(xiàng)集的例子。

• 關(guān)聯(lián)規(guī)則: 尿布 -> 葡萄酒 就是一個(gè)關(guān)聯(lián)規(guī)則。這意味著如果顧客買了尿布，那么他很可能會買葡萄酒。

那么 頻繁 的定義是什么呢？怎么樣才算頻繁呢？ 度量它們的方法有很多種，這里我們來簡單的介紹下支持度和可信度。 支持度: 數(shù)據(jù)集中包含該項(xiàng)集的記錄所占的比例。例如上圖中，{豆奶} 的支持度為 4/5。{豆奶, 尿布} 的支持度為 3/5。 可信度: 針對一條諸如 {尿布} -> {葡萄酒} 這樣具體的關(guān)聯(lián)規(guī)則來定義的。這條規(guī)則的 可信度 被定義為 支持度({尿布, 葡萄酒})/支持度({尿布})，從圖中可以看出 支持度({尿布, 葡萄酒}) = 3/5，支持度({尿布}) = 4/5，所以 {尿布} -> {葡萄酒} 的可信度 = 3/5 / 4/5 = 3/4 = 0.75。

支持度 和 可信度 是用來量化 關(guān)聯(lián)分析 是否成功的一個(gè)方法。 假設(shè)想找到支持度大于 0.8 的所有項(xiàng)集，應(yīng)該如何去做呢？ 一個(gè)辦法是生成一個(gè)物品所有可能組合的清單，然后對每一種組合統(tǒng)計(jì)它出現(xiàn)的頻繁程度，但是當(dāng)物品成千上萬時(shí)，上述做法就非常非常慢了。 我們需要詳細(xì)分析下這種情況并討論下 Apriori 原理，該原理會減少關(guān)聯(lián)規(guī)則學(xué)習(xí)時(shí)所需的計(jì)算量。

閱讀全文：http://ml.apachecn.org/mlia/apriori/