Was ist die Verwendung von "Vertrauen" und "Aufzug" Konzepte des Apriori-Algorithmus

Question

Ich werde ein persönliches Empfehlungssystem mit Apriori-Algorithmus implementieren. Ich weiß, dass es drei nützliche Konzepte wie "Unterstützung", "Vertrauen" und "Auftrieb" gibt. Ich kenne ihre Bedeutung bereits. Auch ich weiß, wie man die häufigen Gegenstandssätze unter Verwendung des Unterstützungskonzeptes findet. Aber ich frage mich, warum Vertrauen und Lift-Konzepte da sind, wenn wir häufige Artikelsets mit Hilfe der Support-Regel finden können?

Könnten Sie mir erklären, warum 'Vertrauen' und 'Lift' Konzepte vorhanden sind, wenn 'Support' Konzept bereits angewendet wird und wie kann ich mit 'Vertrauen' und 'Lift' Konzepte fortfahren, wenn ich bereits Support-Konzept verwendet habe Datensatz?

Ich wäre sehr dankbar, wenn Sie mit SQL-Abfragen beantworten könnten, da ich noch ein Student bin. Vielen Dank

Answer 1

Unterstützung allein ergibt viele redundante Regeln.

z.B.

A -> B 
A, C -> B 
A, D -> B 
A, E -> B 
... 

Der Zweck des Aufzugs und ähnlicher Maßnahmen besteht darin, komplexe Regeln zu entfernen, die nicht viel besser sind als die einfache Regel. Im obigen Fall kann die einfache Regel A -> B weniger Vertrauen haben als die komplexen Regeln, aber viel mehr Unterstützung. Die anderen Regeln können nur eine Übereinstimmung dieses starken Musters sein, mit einem geringfügig stärkeren Vertrauen aufgrund der kleineren Stichprobengröße. Ähnlich

, wenn Sie:

A -> B confidence: 90% 
C -> D confidence: 90% 
A, C -> B, D confidence: 80% 

dann die letzte Regel ist sogar schlecht trotz des hohen Vertrauens! Die ersten beiden Regeln ergeben das gleiche Ergebnis, aber mit höherer Sicherheit. Die letzte Regel sollte also nicht 80% korrekt sein, aber -10% korrekt, wenn Sie davon ausgehen, dass die ersten beiden Regeln gelten!

Also, Unterstützung und Vertrauen sind nicht genug zu prüfen.