挖掘频繁模式、关联和相关1.1.1 购物篮分析:引发性例子1.1.2 频繁项集、闭项集和关联规则1.1.3频繁模式挖掘:路线图n1.1 基本概念和线路图1.1.1 购物篮分析:引发性例子 频繁项集挖掘的一个典型例子是购物篮分析。优点:通过分析顾客的购买习惯,就能帮助零售商了解哪些商品频繁地被顾客同时购买,从而帮助他们开发更好的营销策略。例如:如果顾客在超市购物时购买了牛奶,他们有多大的可能同时购买面包?什么是项?什么是事务?比如说在超市中的每一件商品在我们这里可以看作一个项!每个顾客消费时的购物单可以看作是一个事务!例如:如果顾客购买电脑的同时也倾向于购买杀毒软件,可以将两种产品放在一起 销售! 通过上面的例子我们来分析和了解下面的两个概念:最小支持度阀值和最小置信度阀值:是由用户或专家来设定的,也就是由他们来定义支持度与置信度的下限值。Confidence:置信度。置信度为60%意味着购买计算机的顾客60%也购买了杀毒软件。support:支持度。支持度为2%意味着所分析的所有事务的2%同时购买计算机和杀毒软件。Computer antivirus_softwaresupport=2