关联规则在数据挖掘中用于发现数据项之间的关联性。它们通常被分类为以下几类：
.png)
1. 简单关联规则：
定义：简单关联规则只涉及两个数据项之间的关联。
例子：如果一个顾客购买了啤酒，那么他很可能也会购买尿布。这里，啤酒和尿布是两个关联的数据项。
2. 高阶关联规则：
定义：高阶关联规则涉及三个或更多数据项之间的关联。
例子：如果一个顾客购买了啤酒、尿布和啤酒，那么他很可能也会购买尿布和啤酒。这里，关联的数据项是啤酒、尿布和啤酒。
3. 时序关联规则：
定义：时序关联规则用于发现随时间变化的关联性。
例子：在过去的三年中，如果一个顾客在圣诞节购买了圣诞树装饰品，那么在接下来的圣诞节，他很可能也会购买圣诞树装饰品。
4. 因果关联规则：
定义：因果关联规则试图发现数据项之间的因果关系。
例子：如果一个顾客购买了感冒药，那么他很可能也会购买维生素C。这里，感冒药和维生素C之间存在因果关系。
5. 频繁项集关联规则：
定义：频繁项集关联规则用于发现频繁出现的项集。
例子：在超市销售数据中，如果一个顾客购买了牛奶和面包，那么他很可能也会购买鸡蛋。这里，牛奶、面包和鸡蛋是频繁出现的项集。
6. 稀疏项集关联规则：
定义：稀疏项集关联规则用于发现不常见但有趣的项集。
例子：在书籍销售数据中，如果一个顾客购买了《哈利·波特》系列，那么他很可能也会购买《魔戒》系列。这里，《哈利·波特》系列和《魔戒》系列是稀疏项集。
7. 基于规则的分类：
定义：基于规则的分类用于发现具有特定特征的分类规则。
例子：在银行客户数据中，如果一个客户购买了高价值的保险产品，那么他很可能也是高净值客户。这里，高价值的保险产品和高净值客户之间存在基于规则的分类。
这些分类有助于更好地理解关联规则在数据挖掘中的应用，并可以根据具体问题选择合适的关联规则类型。
发表回复
评论列表（0条）