【数据挖掘笔记】兴趣度度量Interest of an association rule

在数据挖掘中,关联规则挖掘是一个重要的任务。兴趣度度量是评估关联规则的重要指标,以下是三个常用的兴趣度度量:支持度、置信度和提升度。

支持度(Support)

计算方法

支持度表示包含项集的事务占总事务的比例,用于衡量项集的普遍性。其计算公式为:

对于关联规则 X→Y,其支持度计算公式为

含义及理解

支持度反映了项集或关联规则在整个数据集中的出现频率,用于衡量实用性,简单来说就是出现的越频繁,说明越实用。就好比明星粉丝越多,说明他在群众中收到的支持就越大,有一天他逃难收到的帮助可能性就越大。

置信度(Confidence)

计算方法

置信度表示在包含前项 X 的事务中,同时包含后项 Y 的比例,用于衡量关联规则的可靠性。其计算公式为:

含义及理解

置信度反映了关联规则的可信程度。本质上是条件概率,满足条件下得到结果的可靠性。

提升度(Lift)

计算方法

提升度表示关联规则中前项和后项之间的关联强度,用于衡量关联规则的关联性。其计算公式为:

含义及理解

提升度反映了关联规则中前项和后项之间的关联程度。但是很显然这太抽象了,有没有更通俗易懂的理解呢主包?有的!比如你买茶和咖啡,买茶后买咖啡的概率是0.75,但是单独买咖啡的概率是0.9,提升度就小于1,因为大家本来就爱买咖啡,但是买茶之后买咖啡的人数比例还减少了,说明喝茶的人中有一部分人发现了喝咖啡不健康,所以那部分人少了,所以买茶人群中的买咖啡比例才会从0.9减少到了0.75。

  • 如果提升度大于1,说明前项和后项之间存在正关联,即前项的出现会增加后项出现的可能性;
  • 如果提升度小于1,说明前项和后项之间存在负关联,即前项的出现会降低后项出现的可能性;
  • 如果提升度等于1,说明前项和后项之间相互独立,没有关联。
相关推荐
rannn_1111 小时前
Java学习|黑马笔记|Day23】网络编程、反射、动态代理
java·笔记·后端·学习
UQWRJ1 小时前
菜鸟教程 R语言基础运算 注释 和数据类型
笔记
Re_Yang092 小时前
数学专业转型数据分析竞争力发展报告
数据挖掘·数据分析
workflower2 小时前
数据分析前景
算法·数据挖掘·数据分析·需求分析·软件需求
好心的小明4 小时前
【深度之眼机器学习笔记】04-01-决策树简介、熵,04-02-条件熵及计算举例,04-03-信息增益、ID3算法
笔记·算法·决策树
go54631584655 小时前
Python点阵字生成与优化:从基础实现到高级渲染技术
开发语言·人工智能·python·深度学习·分类·数据挖掘
zhaoyang03016 小时前
vue3笔记(2)自用
前端·javascript·笔记
蒙塔基的钢蛋儿7 小时前
将nuttx构建脚本的文件夹复制修改为符号链接
笔记
墨染枫8 小时前
pytorch学习笔记-使用DataLoader加载固有Datasets(CIFAR10),使用tensorboard进行可视化
pytorch·笔记·学习