1、基本概念
下图为5次交易的数据，每行代表一个事务，每个事务包好几个项。数据内隐含着内在关联。
事务：由事务号和项集组成。事务是一次购买行为
项：最小处理单位，即购买的物品
项集：由一个或多个项组成
支持度计数：包含某个项集的事务数
支持度：包含某个项集的事务数的比例
置信度：在所有包含X项集的事务中包含Y项集事务的比例
频繁项集：支持度不小于指定阈值的项集
关联规则：X和Y都是项集，X->Y(s,c)
关联规则评估指标：支持度不小于指定阈值和置信度不小于指定阈值
2、频繁项集挖掘算法
2.1 Apriori算法
算法核心思想
如果一个集合是频繁项集，则它的所有子集都是频繁项集；如果一个集合不是频繁项集，则它的所有超集都不是频繁项集。
算法流程
1）找到频繁的一维项集L1
2）从频繁的Lk维项集生成k+1维项集Ck+1
3）找到Ck+1中的频繁项集Lk+1
4）k=k+1，循环执行2）-3）直至k+1=n，n为最大项集
5）输出各个维度的频繁项集
从Lk生成Ck+1的方法，k>1
算法示例
2.2 FP—Growth算法
FP—Growth算法的数据格式是垂直数据格式：
算法流程
1）找到频繁的一维项集L1
2）从频繁的Lk维项集生成k+1维项集Ck+1
3）通过取频繁k项集的TID集的交，计算对应的（k+1）项集的TID集
4）k=k+1，循环执行2）-3）直至不能再找到频繁项集或候选项集
5）输出各个维度的频繁项集
3、相关性度量
3.1 度量指标
给定两个项集A和B
兴趣度/提升度：
提升度小于1为负相关；提升度大于1为正相关；提升度等于1为不相关。
下述四个指标的取值范围是[0,1]，0表示不相关，1表示相关，0.5表示中性
全置信度
最大置信度
Kulc度量
余弦度量
3.2 度量指标对比
度量零不变
一种度量，如果它的值不受零事务的影响，则它是度量零不变的
对于数据集D3，4个新度量都正确地表示m和c是强负相关的。提升度和卡方都错误地与此相悖。
对于数据集D4，提升度和卡方都显示了m和c之间强正关联，而其他度量都表示“中性关联”。上述的例子中。非mc表示零事务的个数。提升度和卡方很难识别有趣的模式关联关系，因为它们受非mc的影响很大。另一方面，其他4个度量的定义都消除了非mc的影响上面的6种，只有提升度和卡方不是零不变度量。
不平衡比
不平衡比评估规则蕴含式中两个项集A和B的不平衡程度
两者之差越大，不平衡比就越大。数据集D5和D6，全置信度和余弦度把两者都视为负关联的，最大置信度度量把两者都视为强正关联的，而Kluc度量把两者都视为中性的。对于这种不平衡，把它看作是中性的可能更公平，同时用不平衡比（IR）指出它的倾斜性。
