2025年关联规则与强关联规则计算

科技前沿 • 2025-02-24 08:39 • 阅读 47

大家好，我是讯享网，很高兴认识大家。

●
关联规则( Association Rules )反映一个事物与
其他事物之间的相互依存性和关联性。如果两个
或者多个事物之间存在一定的关联关系,那么，
其中一个事物就能够通过其他事物预测到。首先
被Agrawal, Imielinski and Swami在1993年的
SIGMOD会议_上提出.
●
关联规则挖掘是数据挖掘中最活跃的研究方法之
。典型的关联规则发现问题是对超市中的购物
篮数据( Market Basket )进行分析。通过发现
顾客放入购物篮中的不同商品之间的关系来分析
顾客的购买习惯。

关联规则的支持度
代表规则的重要性

对于关联规则R: X=Y，其中Xcl， Ycl，并且
XnY=φ。
规则R的的支持度(Support)是交易集中同时包含X
和Y的交易数与所有交易数之比。
$\text { support }(X \Rightarrow Y)=\frac{\operatorname{count}(X \cup Y)}{|D|}$

关联规则的置信度
置信度表示了这条规则有多大程度上值得可信。
代表规则的可信度
置信度表示了这条规则有多大程度上值得可信。设条件的项的集合为A 结果的集合为B 。置信度计算在A中，同时也含有B的概率(~P: 厅A ,.th’e,n’ Btn街冉。即 Confidencel(A---->B)=P{BIA)即置信度就是条件概率

对于关联规则R: X→Y ,
其中Xcl,Ycl，并且
XnY=φ。
规则R的置信度(Confidence)是指包含X和Y的交易
数与包含X的交易数之比

$\text { confidence }(\mathrm{X} \rightarrow \mathrm{Y})=\frac{\text { support }(\mathrm{X} \cup \mathrm{Y})}{\text { support }(\mathrm{X})}$
$\operatorname{Confidence}(x \rightarrow Y)=\frac{\text { Support }(\mathrm{X} \cup \mathrm{Y})}{\text { Support }(x)}=\frac{\frac{\operatorname{Count}(\mathrm{X} \cup \mathrm{Y})}{|D|}}{\frac{\operatorname{Count}(\mathrm{X})}{|D|}}=\frac{ {Count}(\mathrm{X} \cup \mathrm{Y}) }{ {Count}(\mathrm{X})}$

讯享网

关联规则的最小支持度和最小置信度
- 关联规则的最小支持度也就是衡量频繁集的最小
  支持度(Minimum Support) ,记为minsup ,它
  用于衡量规则需要满足的最低重要性。
- 关联规则的最小置信度(Minimum Confidence)
  记为minconf ,它表示关联规则需要满足的最低
  可靠性。
强关联规则
如果规则R:X------>Y满足 $\text { support }(X \Rightarrow Y) \geq \min _{-} \text {sup }$ 且
$\text { confidence }(X \Rightarrow Y) \geq \min _{-} \text {conf }$
,称关联规则X=>Y为强关联规则,否则称关联规则X= >Y为弱关联规则。
在挖掘关联规则时,产生的关联规则要经过minsup和minconf的衡量筛选出来的强关联规则才能用干指旦商家的决策
eg:

$\begin{array}{l}{\text { support(A ->C)} =\frac{\text { Court(AUC) }}{|D|}=\frac{1}{2} >= \text { minsup} =\frac{1}{2}} \\ {\text { Confidence } (A \rightarrow C)=\frac{\text { Support }(A \cup C)}{\text { Sp } u \text { port }(A)}=66.6 \% \text { >=minconf}} \\ {=\frac{1}{2}}\end{array}$
support(A)=Count(A)/|D|

即一条规则可表述为，如果一个颐客购买了橙汁，则有 50%(置信度)的可能购买可乐。而这样的情况 ( 即买了橙汁会再买可乐) 会有4rQ%(支持度)的可能发生E

2025年关联规则与强关联规则计算

相关推荐