Algorithm 常用项目集&；关联规则Apriori算法

我试图理解用于数据挖掘的Apriori（Basket）算法的基本原理

我最好用一个例子来解释我的复杂性：

下面是一个事务数据集：

t1: Milk, Chicken, Beer
t2: Chicken, Cheese
t3: Cheese, Boots
t4: Cheese, Chicken, Beer
t5: Chicken, Beer, Clothes, Cheese, Milk
t6: Clothes, Beer, Milk
t7: Beer, Milk, Clothes

上述的分钟上升为0.5或50%。

从上面可以看出，我的事务数显然是7，这意味着一个项目集要“频繁”，它必须有4/7的计数。因此，这是我的常用项目集1：

F1:

Milk = 4
Chicken = 4
Beer = 5
Cheese = 4

{Milk, Beer} = 4

然后，我为第二次改进（C2）创建了候选项，并将其缩小为：

F2:

Milk = 4
Chicken = 4
Beer = 5
Cheese = 4

{Milk, Beer} = 4

这就是我感到困惑的地方，如果我被要求显示所有频繁的项目集，我是写下所有的

F1

和

F2

还是只写

F2

<代码>F1对我来说不是“集合”

然后，我被要求为我刚刚定义的频繁项集创建关联规则，并计算它们的“置信度”数字，我得到以下结果：

Milk -> Beer = 100% confidence
Beer -> Milk = 80% confidence

---

将

F1

的项目集放在这里似乎是多余的，因为不管怎样，它们都有100%的置信度，实际上不会“关联”任何东西，这就是为什么我现在质疑

F1

是否确实是“频繁的”？

如果它们的支持合适，则认为大小为1的项目集是频繁的<强>但这里必须考虑<强>最小阈值<强>。例如，如果示例中的最小阈值为2，则将不考虑

F1

。但是如果最小阈值为1，则您必须这样做

您可以查看和获取更多的想法和示例

---

希望我能帮忙

如果最小支持阈值（minsup）为4/7，则如果单个项目出现在7个事务中的不少于4个事务中，则应将其包含在频繁项目集中。因此，在您的示例中，您应该包括：

牛奶=4 鸡肉=4 啤酒=5 奶酪=4

---

对于关联规则，它们的形式为X==>Y，其中X和Y是不相交的项集，通常假设X和Y不是空集（这是Apriori假设的）。因此，您至少需要两个项目来生成关联规则。

在这种情况下，未指定最小阈值，是否认为

F1

项目是频繁的？他们是否应该在“关联规则”中被代表，甚至认为他们只与自己关联？不幸的是，是的。但是，如果没有最小阈值，apriori是没有用的。因为这会导致错误的规则。最小阈值总是由数据分析员确定。空集也是一个集合。有些集合有一个元素。它们可以是频繁项集，而不需要给出有用的关联规则。