<< Click to Display Table of Contents >> 当前位置:  深度分析 > 实验功能使用 > 节点 > 算法  关联规则 复制链接

关联规则的目的是找出特征之间的关联关系，会输出特征的关联关系，评价方法是支持度、置信度。

关联规则挖掘是用于知识发现，而非预测，所以是属于无监督的机器学习方法。Apriori算法是一种挖掘关联规则的频繁项集算法，其核心思想是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集。

应用场景：

•可用于消费市场价格分析，猜测顾客的消费习惯，比如较有名的“尿布和啤酒”的故事。

•网络安全领域中的入侵检测技术。

•可用于高校管理中，根据挖掘规则有效地辅助学校管理部门有针对性的开展贫困助学工作。

•可用在移动通信领域中，指导运营商的业务运营和辅助业务提供商的决策制定。

•购物篮分析，是为了从大量的订单中发现商品潜在的关联。

产品支持的关联规则是FP-Growth。

可参考案例购物篮分析。