三关联规则挖掘基本原理阿格拉瓦尔提出了Support-confidence框架：设I是一个在交易集合T中的一个项目集合，X，YCI是项集，XnY=の，SuPp(X）≠0,suPp(Y）丰0。给定了最小支持度（minsupp）和最小置信度（minconf），如果规则x一Y满足以下条件：supp(X-→Y)>minsuppconf(x)=supp(X-→Y)/supp(X)>mincont如果数据项集满足条件（1），则是一条强关联规则；若同时满足上述条件（1）和（2），则称该规则为强关联规则，否则称为弱关联规则
关 联 规 则 挖 掘 基 本 原 理 设I是一个在交易集合T中的一个项目集合，X,Y⊆I是项集，X∩Y=∅，supp(X) ≠0,supp(Y) ≠0。给定了最小支持度（minsupp）和最小置信度（minconf），如果规则X→Y满足以下条件： 阿格拉瓦尔提出了Support-confidence框架： 一 supp(X→Y)>minsupp 如果数据项集满足条件（1），则是一条强关联规则；若同时满足上述条件（1）和（2），则称 该规则为强关联规则，否则称为弱关联规则。 二 conf(X)=supp(X→Y)/supp(X) ≥minconf
则分类关联规单层关联规则单维和多维多层关联规则。多多维关联规则可以布尔型层关联规则可以进进一步分为维内关数值型步分为同层和层联规则和混合关联一规则间关联规则基于规则处理的变量基于规则中数据的抽基于规则中数据类别象层次的维数
关联规则分类 ◆ 布尔型 ◆ 数值型 基于规则处理的变量 类别 ◆ 单层关联规则 ◆ 多层关联规则。多 层关联 规则 可以进 一步分为同层和层 间关联规则 基于规则中数据的抽 象层次 ◆ 单维和多维 ◆ 多维关联规则可以 进一步分为维内关 联规则和混合关联 规则 基于规则中数据 的维数