数据挖掘中,被常拿来说的啤酒尿布的例子就是一个很典型的运用关联算法来做购物来分析的例子。常被用于交易数据、关系数据的分析,发现数据集中隐藏的频繁模式,这些频繁模式可以用关联规则的形式表示,有效的关联规则对商家的商品进出货摆放都有很大的指导意义。
设 是项的集合,数据集D是事务的集合,每项事务T是一个非空项集,且T是I的非空子集。每项事务都有一个唯一标识符,定义为TID,A和B均为事务T中的非空子集,并且A和B无交集。则规则 成立,支持度s是D中同时包含A和B的事务所占的百分比,置信度c是包含A的事务中包含B的事务的百分比。如下:
频繁模式中同时满足最小支持度阈值和最小置信度阈值的为强关联规则。
1. 找出所有频繁项集。每个项集出现频次大于最小支持计数。
2. 由频繁项集得到强关联规则。这些规则同时满足最小支持度阈值和最小置信度阈值。
Apriori先验算法,基于先验性质:频繁项集的所有非空子集也一定是频繁的。
针对水平数据{TID:item_set}
发现频繁集的过程
1. 扫描找出候选项集(初始扫描D得到候选项集 )
2. 计算支持度计数,与最小支持度计数比较得到频繁项集
3. 自连接产生候选项集
4. 重复2-3的过程,直到得到最大频繁项集 。
由频繁项集得到强关联规则的过程
1. 对中每一项L,取其所有非空子集
2. 若对于L的某一非空子集S,若置信度大于最小支持度阈值
3. 则产生强规则:
以下截图为《数据挖掘:概念与技术》中第六章Apriori获取频繁集过程示例。
Apriori算法的缺陷:可能产生大量候选集,可能需要重复扫描整个数据库匹配检查一个很大的候选集合。空间时间的花费会很大。
频繁模式树增长算法,产生FP数,由树递归推演得到频繁模式。
针对水平数据{TID:item_set}
发现频繁集的过程
1. 第一次扫描D,并对比最小支持度计数,取1项频繁集L
2. 1项频繁集L按支持度计数降序排列
3. 创建数的根节点,用null标记
4. 第二次扫描D,D中每一项事务中的想都按L中的次序处理,为每个事务创建一个分支
5. 结点不存在时,新建结点,结点计数赋值为1;结点已存在时,结点计数加1
6. 从频繁集L的最后一项开始,对其每一项找到所有含该项的分支路径。
7. 路径中的结点计数即为该路径下所有节点所组成的项集,在该分支的计数
8. 合并每一分支的项集,获取频繁集
以下截图为《数据挖掘:概念与技术》中第六章FP-Growth获取频繁集过程示例。
Eclat
等价类变换
垂直数据格式{item:TID_set}
发现频繁集的过程
1. 对每频繁项的TID集取交集
2. 重复上述过程直至没有更大频繁集
以下截图为《数据挖掘:概念与技术》中第六章Eclat获取频繁集过程示例。
判断规则的有效性
提升度:
Lift=1,A和B独立不相关,lift<1,A和B负相关,lift>1,A和B正相关。
相关性分析:
全置信度:
最大置信度:
Kulczynski(Kulc):
余弦:
后面四项度量值取值范围都是0~1,并且值越大A和B的联系越紧密。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14