关联分析，究竟分析的是什么？

菜鸟君介绍了关联分析的概念和在大数据时代的重要性。关联分析用于发现数据中不同项目之间的联系，例如在顾客购买数据中分析不同商品的购买习惯。这有助于零售商制定营销策略。

关联分析的核心概念包括：

• 事务：一条交易记录。
• 项（item）：交易中的单个物品。
• 项集（itemset）：包含一个或多个项的集合。
• k-项集：包含k个项的项集。
• 支持度计数：项集在所有事务中出现的次数。
• 支持度：项集出现的频率（占总事务的比例）。
• 频繁项集：支持度高于设定阈值的项集。
• 前件和后件：关联规则中的条件和结果。
• 置信度：规则可靠性的衡量，计算方式为规则支持度计数除以前件的支持度计数。
• 强关联规则：满足最小支持度和置信度阈值的规则。

找出强关联规则的过程包括两步：

1. 找出所有频繁项集。
2. 从频繁项集中产生并筛选出置信度高的规则。

Apriori算法是一种常用的算法，它的优点是产生较小的候选集，但缺点在于需要多次重复扫描数据库，适用于最大频繁项目集不大的数据集。

最后，菜鸟君提醒我们，关联规则不含因果关系，仅反映项目间的同时发生关系。明天菜鸟君将介绍如何使用R语言进行Apriori算法分析，并鼓励大家关注后续内容。