数据挖掘置信度 数据挖掘置信度计算

关联规则挖掘

1. 关联规则挖掘，什么是关联规则以及频繁项

1. 关联规则挖掘：给定事务的集合T，关联规则发现是指找出支持度大于等于min_sup并且置信度大于等于min_conf的所有规则，min_sum和min_conf是对应的支持度和置信度阈值
2. 关联规则：是形如X->Y的蕴含表达式，其中X和Y是不相交的项集
3. 频繁项集：满足最小支持度阈值（min_sup)的所有项集

2. 支持度及置信度计算

1. 支持度 support(X->Y):确定项集的频繁程度

1. support(X->Y)=P(XUY)【表示事务包含集合A和B中每个项的频率】

2. 置信度 Confidence（X->Y)：确定Y在包含X的事务中出现的频繁程度

1. confidence(X->Y)=P(Y|X)=support(XUY)/support(X)

3. eg:

3. Apriori算法 ：核心一定考

1. 性质1：如果一个项集是频繁的，则它的所有子集一定也是频繁的
3. 性质2：相反，如果一个项集是非频繁的，则它的所有超集也一定是非频繁的



4. 提高Apriori算法的方法

1. 基于Hash（散列）的技术：压缩候选k项集
2. 事务压缩：删除不可能对寻找频繁项集有用的事务（对象）

1. 不包含任何频繁k项集的事务不可能包含任何频繁k+1项集。因此这些事务在其后的

3. 划分：项集在DB中是频繁的，它必须至少在DB的一个划分中是频繁的

1. 划分数据库，找到局部频繁模式
2. 求出全局频繁模式

4. 抽样：选取原数据库的一个样本，使用Apriori算法在样本中挖掘频繁模式

1. 牺牲一些精度换取有效性
2. 扫描一次数据库，验证在样本中发现的频繁模式
3. 再次扫描数据库，找出遗漏的频繁模式（可选）

4. FP-Growth算法：理解内容

1. 不同于Apriori算法的“产生-测试”范型，而是使用一种被称作FP树的紧凑数据结构组织数据，并直接从该结构中提取频繁项集。
2. 首先：将代表频繁项集合数据库压缩到FP树上

1. 每个事务都映射到FP树的一条路径
2. 注意共同前缀

3. 其次：将FP树划分为一组条件数据库（每个数据数据库关联一个频繁项或：模式段），挖掘每个条件数据库获取频繁项集

2. 构建条件模式基（子数据库）)





4. 构建条件FP树



5. 挖掘频繁项集

1. 如果（条件）FP树为单个路径，则产生该条件下所有模式的组合
2. 如果（条件）FP树为多路径，则针对树的头表中的每一个项，产生对应模式获取频繁模式

---