机器学习-关联规则学习

关联规则是反映一个事物与其他事物之间的相互依存性和关联性，是数据挖掘的一个重要技术，用于从大量数据中挖掘出有价值的数据项之间的相关关系。

常见的购物篮分析

该过程通过发现顾客放人其购物篮中的不同商品之间的联系，分析顾客的购买习惯。通过了解哪些商品频繁地被顾客同时购买，这种关联的发现可以帮助零售商制定营销策略。其他的应用还包括价目表设计、商品促销、商品的排放和基于购买模式的顾客划分。

可从数据库中关联分析出形如“由于某些事件的发生而引起另外一些事件的发生”之类的规则

Apriori算法----发现频繁项集的一种方法

原理：如果一个项集是频繁项集，则它的所有子集都是频繁项集

           如果一个集合不是频繁项集，则它的所有父集（超集）都不是频繁项集

关联分析的目标：

• 发现频繁项集：发现满足最小支持度的所有项集
• 发现关联规则：从频繁项集中提取所有高置信度的规则

Apriori算法采用了迭代的方法

1. 先搜索出候选1项集及对应的支持度，剪枝去掉低于支持度的1项集，得到频繁1项集。
2. 对剩下的频繁1项集进行连接，得到候选的频繁2项集，筛选去掉低于支持度的候选频繁2项集，得到真正的频繁二项集，
3. 以此类推，迭代下去，直到无法找到频繁k+1项集为止，对应的频繁k项集的集合即为算法的输出结果

标签：候选,发现,机器,关联,频繁,规则学习,顾客,项集
来源： https://www.cnblogs.com/520520520zl/p/14303839.html