关联规则挖掘和频繁项目挖掘有什么区别

Question

我是新来的数据挖掘和混淆关联规则和频繁项目挖掘。对我来说，我认为都是相同的，但我需要在这个论坛上专家的观点

我的问题是

就是关联规则挖掘&频繁项集挖掘的区别？ 谢谢

Answer 1

关联规则类似于“A，B → C”，这意味着当A和B发生时C往往会发生。一个itemset只是一个集合，比如“A，B，C”，并且如果它的项目倾向于共同出现，它就很频繁。 The usual way查找关联规则是查找所有频繁项集，然后将它们后处理成规则。

Answer 2

频繁项目集挖掘的输入是：

• 交易数据库
• 最小支持阈最小支持度

的输出是：

• 的所有的集合项目集至少出现在minsup事务中。项目集只是一组无序的项目。

协会[规则挖掘的输入是：

• 一个交易数据库
• 最小支持度阈值最小支持度
• 最小置信度阈值最小置信度

输出结果为：

• 该集合的所有有效关联规则。关联规则X→Y是两个项目集X和Y之间的关系，使得X和Y不相交并且不是空的。有效的规则是支持高于或等于minsup并且置信度高于或等于minconf的规则。支持被定义为sup（x - > Y）= sup（X U Y）/（事务数量）。置信度定义为conf（x - > Y）= sup（X U Y）/ sup（X）。

现在，项目集和关联规则挖掘之间的关系是，使用频繁项集生成规则非常高效（请参阅Agrawal 1993年的论文）以获取关于此想法的更多细节。因此，关联规则挖掘将分为两步： - 挖掘频繁项目集 - 通过使用频繁项目集生成所有有效关联规则。

Answer 3

频繁项集挖掘是关联规则挖掘的一个步骤。在对数据应用频繁项目集挖掘算法（如Apriori，FPGrowth）之后，您将获得频繁项目集。从这些 发现频繁项目集，您将生成关联规则（通常由子集生成完成）。

Answer 4

频繁项集挖掘是关联规则挖掘的第一步。 生成所有频繁项目集后，您可以逐个遍历它们，逐个枚举所有可能的关联规则，计算它们的置信度，最后，如果置信度大于minConfidence，则输出该规则。