apriori

几个概念

置信度

置信度是对简单关联规则准确度的测量量，定义为包含项目的事务中同时也包含项目的概率，数学表述为：

置信度的本质就是我们所学过的条件概率，置信度越高，则说明出现则出现的可能性也就越高。假设在电脑杀毒软件的关联规则中，置信度，表示购买电脑的顾客中有的顾客也购买了杀毒件。
先通过支持度产生频繁项集

规则支持度（Support）

支持度测量量了简单关联规则应用的普适性，定义为项目A与项目B同时出现的概率，数学表述为：Support
假设某天共有100个顾客到商场购买物品，其中有10个顾客同时购买了电脑和杀毒软件，那么上述关联规则的支持度就为10%，同样，支持度越高，表明某一关联规则的适用性就越大。一个有效的简单关联规则，势必同时具有较高的置信度与⽀支持度。因为，如果支持度较高而置信度较低，则证明规则的可信度差；而相反，如果支持度较低而置信度较⾼高，则说明规则的应用范围较小。

举例来说，假设在1000个顾客购买行为的事务中，只有一个顾客购买了了烧烤炉，同时也只有他购买了碳，虽然规则“烧烤-->炉碳”的置信度很高，为100%，但支持度仅有0.1%，说明这条规则缺乏普遍性，应用价值不不⾼高。

所以一个有效的关联规则，必须具有较高的置信度与支持度，那么在实际应用中，我们就需要给定最小的置信度与支持度，只要同时大于和的规则，我们才可以将其定义为是“有效”的。

规则提升度（Lift）

置信度与后项支持度之比，数学表述为：

提升度反映了项目的出现对项目出现的影响程度。从统计角度来看，如果的出现对项的出现没有影响，即与相互独立的化， ，此时规则提升度为1。所以，具有实
用性的关联规则应该是提升度大于1的规则，即A的出现对B的出现有促进作用。同样，提升度越
大，证明规则实用性越强。

Apirio算法

• 先通过支持度得出频繁项集
• 然后通过对频繁项集的子集进行构造，得出候选的关联规则，然后通过置信度得出有效的关联规则