← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9749.c · 生成模型:DeepSeek-V4.1-Flash

最小支持度切出频繁项集

理解等级:中级

频繁项集:支持度大于或等于用户给定最小支持度(minimum support)阈值的项集。阈值 0.5 时,出现在至少一半交易中的项集才算频繁;阈值提到 0.7,同一批数据里能留下的项集立刻变少。

阈值是人为先验:它在建模之前就要定下,等于替算法决定“多稀有才算噪声”。定高了只留下人人都知道的搭配,规则正确却没有信息量;定低了候选集爆炸、跑不完,还会混进大量偶然组合。

Groceries 的直观参照:9835 笔交易、169 个品类、稀疏矩阵密度只有 0.026,即平均每笔交易仅 4 件多商品。在这样稀疏的数据上,0.01 量级的支持度阈值就足以筛掉绝大部分组合,也说明零售场景的“频繁”往往远低于直觉。

实践:阈值通常要试几轮,同时看运行时间、规则条数与可解释性来定,而不是一次拍定;把它当成可调的分析参数,而不是数据本身的属性。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第5章 高级分析理论与方法:关联规则 · 查看原书依据

      一个频繁项集 包含足够频繁地一起出现的项目。这里“够频繁”(often enough)使用最小支持度(minimum support)进行正式定义。当最小支持度设置为0.5,如果至少50%交易包含某个项集,那么该项集可以被认为是一个频繁项集。

    参考来源

    - 位置:《数据科学与大数据分析 数据的发现 分析 可视化与表示》第5章 高级分析理论与方法:关联规则(源文件:extracted/数据科学与大数据分析 数据的发现 分析 可视化与表示/_epub-src/text/part0015_split_001.html) - 结论依据:5.1 节用 0.5 与 0.7 两个阈值演示频繁项集的判定;5.5 节给出 Groceries 的 9835 笔交易、169 个品类与 0.026 的密度;5.7 节指出阈值需事先指定、会导致规则过多或过少。 - 原始内容:一个频繁项集 包含足够频繁地一起出现的项目。这里“够频繁”(often enough)使用最小支持度(minimum support)进行正式定义。当最小支持度设置为0.5,如果至少50%交易包含某个项集,那么该项集可以被认为是一个频繁项集。