← 返回刚才阅读的位置

知识卡片

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

Apriori属性:子集必频繁

理解等级:高级

Apriori 属性(向下封闭性):若项集 S 是频繁的,则 S 的任一非空子集也必定频繁。理由直接来自集合包含关系——包含 {面包, 果酱} 的交易必然包含 {面包},所以子集的支持度不会低于超集。这是单调性,不是经验规律。

逆否命题才是剪枝武器:若某个子集不频繁,则它的所有超集都不可能频繁,可以直接整枝剪掉,不必再扫描数据库验证。这把指数级的项集空间压到了可计算的规模,也是 Apriori 相对暴力枚举的全部优势所在。

注意方向:反推不成立。子集频繁不代表超集频繁——{面包} 和 {果酱} 都很常见,组合起来未必常见。所以算法只能自下而上逐层扩张再验证,不能从单个高频商品直接跳到长规则。

代价:这条性质只保证不漏,不保证不多。低阈值、长交易时候选集仍可能很大,必须配合分区、采样等手段,否则剪枝省下的时间会被计数扫描吃掉。

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

    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 节由 {bread, jam} 支持度 0.6 推出其子集支持度至少 0.6,并明确称之为 Apriori 属性或向下封闭性、是 Apriori 算法的基础。 - 原始内容:如果一个项集被认为是频繁的,那么该频繁项集的任何子集也必定是频繁的。这称为Apriori属性(或者向下封闭性)。例如,如果60%的交易包含{bread,jam},那么至少60%的交易将包含{bread}或{jam}。