您现在的位置是:首页 > 技术资料 > 关联规则学习论述
推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

关联规则学习论述

更新时间:2026-03-14 11:48:30 大小:17K 上传用户:江岚查看TA发布的资源 标签:关联规则 下载积分:2分 评价赚积分 (如何评价?) 打赏 收藏 评论(0) 举报

资料介绍

一、关联规则学习的基本概念

关联规则学习(Association Rule Learning)是数据挖掘领域中一种重要的无监督学习方法,主要用于发现数据集中不同项之间的有趣关联或相关性。其核心思想是通过分析数据中项集的出现频率和关联性,揭示隐藏在数据中的模式和规律。该方法最早由Agrawal等人于1993年提出,最初应用于购物篮分析(Market Basket Analysis),旨在发现顾客购买商品之间的关联关系,如“购买面包的顾客中有80%也会购买牛奶”。随着技术的发展,关联规则学习已广泛应用于零售、金融、医疗、推荐系统等多个领域。

二、关联规则的数学定义

在关联规则学习中,通常将数据集表示为事务集,每个事务是一个项集。设I = {i1, i2, ..., im}为所有项的集合,D为事务集,每个事务TI的一个子集,且每个事务都有一个唯一的标识符TID

关联规则是形如X → Y的蕴含式,其中X ⊂ IY ⊂ I,且X ∩ Y = ∅X称为规则的前件(Antecedent),Y称为规则的后件(Consequent)。

(一)支持度(Support)

支持度表示项集X ∪ Y在事务集D中出现的频率,即包含XY的事务占总事务数的比例。其计算公式为:

Support(X → Y) = P(X ∪ Y) = (Number of transactions containing X ∪ Y) / (Total number of transactions in D)

支持度反映了规则的普遍性,支持度太低的规则可能不具有实际意义。


部分文件列表

文件名 大小
关联规则学习论述.docx 17K

【关注B站账户领20积分】

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单

推荐下载