关联规则学习 编辑
关联规则学习是一种在大型数据库中发现变量之间的有趣性关系的方法。它的目的是利用一些有趣性的量度来识别数据库中发现的强规则。 基于强规则的概念，Rakesh Agrawal等人引入了关联规则以发现由超市的销售时点情报系统系统记录的大批交易数据中产品之间的规律性。例如，从销售数据中发现的规则 {洋葱, 土豆}→{汉堡} 会表明如果顾客一起买洋葱和土豆，他们也有可能买汉堡的肉。此类信息可以作为做出促销定价策略或置入性行销等营销活动决定的根据。除了上面购物篮分析中的例子以外， 关联规则如今还被用在许多应用领域中，包括网络用法挖掘、入侵检测系统、连续生产及生物信息学中。与序列挖掘相比，关联规则学习通常不考虑在事务中、或事务间的项目的顺序。
7
图片 0 图片
评论 0 评论
匿名用户 · [[ show_time(comment.timestamp) ]]
[[ nltobr(comment.content) ]]
相关
在计算机科学以及数据挖掘领域中， 先验算法是关联规则学习的经典算法之一。先验算法的设计目的是为了处理包含交易信息内容的数据库而其他的算法则是设计用来寻找无交易信息或无时间标记的数据之间的联系规则。