关联规则挖掘和关联之间的区别是什么？频繁项集挖掘

Question

我是数据挖掘的新手，并且对关联规则和频繁项目挖掘感到困惑。对我来说，我认为两者都是一样的，但我需要这个论坛专家的意见

我的问题是

关联规则挖掘与关联之间的区别是什么？频繁项集挖掘？ 感谢

Answer 1

关联规则类似于“A，B→C”，意味着当A和B出现时C倾向于发生。项目集只是一个集合，例如“A，B，C”，如果它的项目倾向于共同出现，则它很常见。 The usual way查找关联规则是查找所有频繁项集，然后将它们后处理为规则。

Answer 2

频繁项目集挖掘的输入是：

• 交易数据库
• 最低支持阈值 minsup

输出结果为：

• 至少出现在 minsup 交易中的所有项目集的集合。项目集只是一组无序的项目。

关联规则挖掘的输入是：

• 交易数据库
• 最低支持阈值 minsup
• 最小置信度阈值 minconf

输出结果为：

• 所有有效关联规则的集合。关联规则X - > Y是两个项集X和Y之间的关系，使得X和Y是不相交的并且不是空的。有效规则是支持更高或等于minsup且置信度高于或等于minconf的规则。支持定义为sup（x - > Y）= sup（X U Y）/（交易数）。置信度定义为conf（x - > Y）= sup（X U Y）/ sup（X）。

现在，项目集和关联规则挖掘之间的关系是，使用频繁项集来生成规则非常有效（参见Agrawal 1993的论文），了解有关此想法的更多详细信息。因此，关联规则挖掘将分为两个步骤： - 挖掘频繁项目集 - 使用频繁项目集生成所有有效的关联规则。

Answer 3

频繁项集挖掘是关联规则挖掘的第一步。 一旦你生成了所有频繁项目集，你就一个接一个地迭代它们，枚举所有可能的关联规则，计算它们的置信度，最后，如果信心是> minConfidence，您输出该规则。

Answer 4

频繁项集挖掘是关联规则挖掘的一个步骤。在对数据应用Apriori，FPGrowth等频繁项集挖掘算法后，您将获得频繁的项集。从这些 发现频繁项目集，您将生成关联规则（通常通过子集生成完成）。

Answer 5

通过使用关联规则挖掘，我们将获得存在于给定数据集中的频繁项目集。它还提供了用于挖掘频繁项集的不同类型的算法，但是它以不同的方式完成，这意味着水平或垂直格式。 Apriori算法遵循水平格式来挖掘频繁项集，而eclat算法遵循垂直格式来挖掘频繁项集。

Answer 6

关联规则挖掘：

使用关联规则挖掘来查找数据中的模式，查找同时出现并关联的特征。

• 示例：

例如，购买尿布的人可能会购买婴儿爽身粉。或者，我们可以用以下措辞改写该声明：如果（人们购买尿布），那么（他们购买婴儿爽身粉）。注意如果，则规则。这并不一定意味着如果人们购买婴儿爽身粉，他们就会购买尿布。通常，我们可以说，如果条件A趋于B，则不一定意味着B趋于A。

频繁挖掘项目集：

常用项目集挖掘用于查找数据中的常用项目集。它可以根据给定的交易数据集生成关联规则。

• 示例：

如果X和Y经常购买2件商品，那么最好将它们放在一起存放，或者在购买另一件商品时提供某件商品的折扣优惠。这确实可以增加销售额。例如，很可能会发现，如果客户购买牛奶和面包，他/她也会购买黄油。 因此，关联规则为['milk] ^ ['bread'] => ['butter']。因此，卖方可以建议客户购买牛奶和面包的人购买黄油。