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
