三,专著研读
三,专著研读
- 支持度:几个关联的数据在数据集中出现的次数所占数据集的比重。支持度是针对項集来说的,可以定义一个最小支持度,保留满足最小支持度的項集,起到項集过滤。
- 置信度:一个数据出现后,另外一个数据出现的概率(数据的条件概率),(例:豆奶-莴苣/莴苣)
\(Confidence\left ( X\rightarrow Y \right )=P\left ( X\mid Y \right )=\frac{P\left ( XY \right )}{P\left ( Y \right )}\)
多个数据的置信度
\(Confidence\left ( X\rightarrow YZ \right )=P\left ( X\mid YZ \right )= \frac{P\left ( XYZ \right )}{P\left ( YZ \right )}\)
-
提升度:含有Y条件下同时含有X的概率,与X总体发生的概率之比,也就是X对Y的提升度。
\(Lift\left (X \rightarrow Y \right )=\frac{P\left (X \mid Y \right )}{P\left ( X \right )}=\frac{Confidence\left ( X\rightarrow Y \right )}{p\left ( X \right )}\) -
先验性质:频繁項集的子集也是频繁項集,非频繁項集的超级是非频繁的(重点)。
-
Apriori:
Apriori对每个潜在的频繁項集,都会扫描判定是否是频繁的。 -
FP-growth:
两次扫描(对关键字进行排序),FP只是一个更高效的发现频繁項集的算法,不能用于发现关联规则。