关联分析

关键问题：寻找物品的不同组合，找到频繁项集，进而进行关联分析。

1.频繁项集
定义：指经常出现在一起的物品的集合。
指标：支持度，即数据集中包含该项集的记录所占的比例。如，在5条记录中，{豆奶，尿布}出现了3次，所以{豆奶，尿布}的支持度为3/5.

2.关联规则
定义：暗示两种物品之间可能存在很强的关系。
指标：可信度（置信度）。如， 针对 {尿布}-->{葡萄酒} 关联规则，可信度被定义为"支持度（{尿布，葡萄酒} ）/ 支持度（{尿布}）"。

只保留支持度、可信度（置信度）大于指定值的项集。

Apriori原理

如果某个项集是频繁的，那么它的所有子集也是频繁的。反过来，如果一个项集是非频繁的，那么它的所有超集也是不频繁的。

如，已知阴影项集{2，3}是非频繁的。则项{0,2,3} ，{1,2,3}以及{0,1,2,3}也是非频繁的。也就是说，一旦计算出了{2,3}的支持度，就不需要再计算{0,2,3}、{1,2,3}和 {0,1,2,3}的支持度，因为这些集合肯定不会满足要求。使用该原理就可以避免项集数目的指数增长，从而在合理时间内计算出频繁项集。

目标：寻找频繁项

1. 生成所有单个物体的集合C1，去掉不满足最小支持度的集合,生成L1。
2. 对剩下的集合进行组合生成包含两个元素的项集。重新扫描订单，去掉不满足最小支持度的项集。
3. 重复进行直到所有项集均被去掉。
   注意：python实现中涉及到frozenset类型，一是防止用户修改集合，二是为了集合作为字典值使用打下铺垫。

---

目标：挖掘关联规则

1. 从一个频繁项集出发，创建一个规则列表，规则右部只包含一个元素。分别计算可信度，去掉可信度低的规则。
2. 合并剩下规则创建新的规则列表，规则右部包含两个元素。如，步骤1中，右部为3的规则可信度低，则右部的两个元素只能是1、2的组合。分别计算可信度，去掉可信度低的规则。
3. 重复以上步骤。
   以上方法称为分级法。