Apriori关联分析算法-尿布与啤酒的故事

关联分析概念与应用

【确定物品之间的关联规则实质上是揭示物品间隐藏的联系。为了识别这些联系，通常需要遵循两个步骤，以超市场景为例进行说明：

1. 首先需要识别出那些频繁共同出现的物品集合，这类集合被称为频繁项集。例如，在一家超市中，可能存在的频繁项集包括{{啤酒,尿布},{鸡蛋,牛奶},{香蕉,苹果}}等。
2. 在获得频繁项集的基础上，进一步应用关联规则算法来挖掘其中的物品关联性。

简而言之，这一过程可以概括为：首先确定频繁项集，然后借助关联规则算法发现具有相关性的物品组合。
---------------------------------------------------------------------------------------------------------------------------------

在挖掘物品之间的关联时，主要依赖于两个关键指标作为判断依据：

1、支持度（Support）：支持度可被解释为某一物品当前的流行程度或出现频率。

支持度 = （包含该物品A的交易记录数量） / （所有交易记录的总数）

2、置信度（Confidence）：置信度表示当消费者购买了某件商品A时，其同时购买另一件商品B的可能性有多大。

**置信度( A - > B) = （同时包含商品A和B的交易记录数量） /