第七章——数据挖掘(2)_min_sup-程序员宅基地
一、 关联规则
关联规则是数据库和数据挖掘领域中所发明并被广泛研究的最为重要的模型。关联规则的目标是在数据项目中找出所有的并发关系，这种关系也称为关联。
1.基本概念
关联规则的形式:设1=i，iz...im是一个项目集合，T是一个事务集合，其中每个事务t；是一个项目集合，并满足t；EI，一个关联规则可以表示成如下形式的蕴含关系：X→Y，其中X属于Y,Y属于I且X交Y非空。
2.关联规则强度指标
支持度和置信度是两个常用的衡量关联规则强度的指标关联规则X> Y的支持度是数据库中包含XUY 的事务占全部事务的百分比。它是概率P(XUY)，记作 support(X=Y)=P(XUY).
关联规则X→Y的置信度是包含XUY 的事务与包含X的事务数的比值。它是概率P(Y|X)，记作 confidence(X=Y)=P(Y|X)。
3.频繁项集
每个属性由多个元素组成，这里的元素称为项，多个项组成的集合称为项集。如果某个项集的支持度大于或等于预先设定的最小支持度阚值，则将这个项集称为频繁项集或大项集，所有的频繁k项集组成的集合通常记为Lk。
二、关联规则挖掘算法
关联规则挖掘算法中，Apriori算法最为著名，其挖掘的过程主要包含两个阶段：第一阶段先从数据集中找出所有的频繁项集，它们的支持度大于等于最小支持度闯值。第二阶段由这些频繁项集产生关联规则，计算它们的置信度，然后保留那些置信度大于等于最小置信度阚值的关联规则。
1.Apriori 算法中候选集合的产生
(1)连接
为了找Lk，通过Lk-1与自己连接产生候选k项集的集合，该候选k项集记为Ck:Lk-1中的两个项集和l2可以执行连接操作loolz的条件是(lk[i]表示项集中的第i个元素)(l1[1]=l2[1])A (L [2]=l2[2])..A (l1[k-2]=12[k-2])(l1[k-1]=l2[k-1])
(2)剪枝
G是Lr的超集，即它的成员可能不是频繁的，但是所有频繁的k项集都在Ck中。因此可以通过扫描数据库并计算每个k项集的支持度来得到Lk。
为了减少计算量，可以利用Apriori性质剪枝，即如果一个k项集中包含的k-1个元素的子集不在Lk-1中，则该候选集不可能是频繁的，可以直接从Ck中删除。
2.Apriori 算法过程
Apriori算法的计算复杂度主要受支持度闯值、项数(维度)、事务数和事务的平均宽度影响。具体算法描述如下：输入：事务数据库D；最小支持度阔值min_sup；最小置信度阔值min_conf。输出：事务数据库D中的所有频繁项目集L和关联规则AR。
3.例子
下面举例说明该算法的规则。
现有一个事务数据库如表所示，找出其所有满足最小支持度计数的关联规则。
表的每一行表示一条交易，共有9行，左边表示顾客ID，右边表示商品ID，为了方便计算，这里给出最小支持度计数为min_sup=2(等于最小支持度为22%)。
首先，扫描数据库，识别所有1项集和它们的支持度计数，将它们称作候选1项集，记作G1，然后选择其支持度大于或等于min_sup的项，将这些项称为频繁1项集，并记作L1。这样就识别了所有的频繁1项集
下面需要做类似的工作，产生所有可能频繁2项集，称作候选2项集，记作C2。这可以通过从L，产生所有可能的2项集来实现。扫描数据库，确定C2中每个项集的支持度，再从Cz中选择那些满足支持度大于或等min_sup的项集，得到Lz。
4.关联规则生成
得到所有的频繁项集后，关联规则就很容易了。对于置信度，可以用下面的公式计算：
条件概率用项集的支持度计数表示，其中support_count(AUB)是包含项集AUB的事务数，support_count(A)是包含项集A的事务数。由此，关联规则可以按以下的步骤产生：
(1)对于每个频繁项集L，产生L的所有非空子集。
(2)对于L 的每个非空子集S，如果P(A|B)≥min_conf(其中min_conf是最小置信度阙值)，则输出规则s→(l-s)。
智能推荐
Ratelimitcache: Python缓存库，支持速率限制-程序员宅基地
文章浏览阅读339次，点赞8次，收藏8次。Ratelimitcache: Python缓存库，支持速率限制项目链接: https://gitcode.com/simonw/ratelimitcache?utm_source=artical_gitcode如果你正在寻找一个Python缓存库，并且希望对缓存操作进行速率限制，那么Ratelimitcache可能是你的理想选择。什么是Ratelimitcache？Ratelimitca..._python ratelimit基于什么
【爬虫】Xpath和CSS信息提取的方法异同点_xpath 获取css-程序员宅基地
文章浏览阅读2.3k次，点赞2次，收藏8次。Xpath和CSS信息提取的方法异同点_xpath 获取css
剑指 Offer（专项突击版）- 剑指 Offer II 052. 展平二叉搜索树(20220729)-程序员宅基地
文章浏览阅读95次。剑指 Offer II 052. 展平二叉搜索树
Xilinx AXI Interconnect_axi interconnect不同位宽-程序员宅基地
文章浏览阅读1.2w次，点赞12次，收藏118次。目录0、绪论1、AXI Crossbar1.1、几种可以选择的Crossbar 互联结构1.1.1、Crossbar mode (Performance Optimized)1.1.2、Shared Access mode (Area optimized)2、AXI Data Width Converter3、AXI Clock Converter4、AXI Pr..._axi interconnect不同位宽
Linux部署Django_Vue_linux 安装django vue3-程序员宅基地
文章浏览阅读340次。linux宝塔_linux 安装django vue3
win7访问smb文件服务器,win7系统配置smb服务器-程序员宅基地
文章浏览阅读1.3k次。win7系统配置smb服务器 内容精选换一换首次开机时，缺省进入遥控器配置向导界面。遥控器操作界面选择“系统设置 > 配置向导”，进入“配置向导”界面。网线连接：当终端有插入网线时，进入“LAN”界面(仅支持IPv4格式)，如图3所示。请联系管理员获取网络配置方式，配置方式请参见表1。配置方式配置项操作自动获取终端通过DHCP(Dynamic Host Configuration操作系统镜像..._win7 设置smb访问方式
随便推点
Extjs4.2 window加载HTML，父子页面html传参_extjs中打开网页怎么传参-程序员宅基地
文章浏览阅读482次。Extjs的窗口是可以加载自己的HTML的，但这样两个页面就相当独立了，传参是个问题 ，网上也没有很好的解答清楚，猫猫今天就说清楚这个模式的传参要点。_extjs中打开网页怎么传参
win系统下根据端口号关闭进程_win port 进程-程序员宅基地
文章浏览阅读811次。win_win port 进程
计算机网络复习——Ch3点到点数据链路层_hdlc go-back-n-程序员宅基地
文章浏览阅读1.2k次。Ch3点到点数据链路层知识点1. 点到点数据链路层要解决的主要问题2. 常见的帧管理（帧定界）方法3. CRC的计算4. 流量控制的基本原理5. 常见错误及其处理机制6. 滑动窗口的概念、形式及工作原理7. ARQ(Automatic Repeat reQuest)协议工作原理：8. 连续ARQ(Go-back-N ARQ)工作原理（特别注意累计确认）：9. 选择重传ARQ工作原理10. 了解(高..._hdlc go-back-n
oracle四大索引类型,各种Oracle索引类型介绍-程序员宅基地
文章浏览阅读2.6k次。逻辑上：Single column 单行索引Concatenated 多行索引Unique 唯一索引NonUnique 非唯一索引Function-based函数索引Domain 域索引物理上：Partitioned 分区索引NonPartitioned 非分区索引B-tree：Normal 正常型B树Rever Key 反转型B树Bitmap 位图索引索引结构：B-tree：适合与大量的增、删、..._oracle索引有哪几种类型
CountDownLatch闭锁_countdownlatch illegate-程序员宅基地
文章浏览阅读176次。11_countdownlatch illegate
Android初步进阶之MVVM框架使用_android mvvm的进阶用法-程序员宅基地
文章浏览阅读199次。MVVM模式引入双向绑定。首先，看一看MVVM的模式的图示。![在这里插入图片描述](https://img-blog.csdnimg.cn/20201108124734892.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjUxNDE2Mg==,size_16,color_FFFFFF,t_70#pic_center_android mvvm的进阶用法