연관규칙

일종의 조건문
a가 있다면 b가 있을 확률이 높다

여기서 중대하거나 재미있는 규칙들에만 관심을 가질 것이다.

Confidence(신뢰도, 확신)

$conf(I \to j) = \frac{support(I \cup j)}{support(I)}$
confidence가 높다고 해서 우리가 관심을 가지는 조건은 아니다
필요조건일 뿐이다

Interest(흥미)

흥미로운 규칙은 적어도 0.5이상이 되어야 한다.

Mining Association Rules

Step1: Find all frequent itemsets
Step2: Rule generation
Step3: output the rules above the confidence threshold

Compacting the Output

Maximal(자신 보다 자세하지 않고 threshold를 넘으면 만족)
Closed(자신 보다 자세한 것의 support가 자신보다 작아야 만족)

Find Frequent Itemsets Algorithm

main-memory bottleneck
뭐든 페어에 대한 저장공간이 필요해서 메모리에 문제가 생김

find frequent pairs

가장 간단한 itemsets 물론 하나 짜리도 있지만 이것은 연관규칙을 찾을 수는 없음\

Naive Algorithm

일일이 다 세는 알고리즘 많은 메모리가 필요하다. 아예 관련없는 것도 저장하는 단점이 있음

진짜로 등장하는 것만 저장하는 접근방식 카운트를 저장한다.
그러면 하나의 메모리가 커져서 불리 할 수 있음