关联性分析

关联性分析：关联规则学习是一种基于规则的机器学习方法，用于发现大型数据库中变量之间的有趣关系。它旨在使用一些有趣的度量来识别在数据库中发现的强规则。这种基于规则的方法在分析更多数据时也会生成新规则。假设数据集足够大，最终目标是帮助机器模拟人类大脑的特征提取和新未分类数据的抽象关联能力

支持度(Support)

置信度(Confidence)

增益(Lift)/提升度（Lift） 指的是应用关联规则和不应用产生结果的比例

 

常用的关联算法包括

Apriori、FP-Growth、PrefixSpan、SPADE、AprioriAll、Apriori-Some等

https://blog.csdn.net/tonydz0523/article/details/84673793