数据挖掘关联分析总结
数据挖掘关联分析总结 第一篇
在伪代码中步骤五的apriori-gen函数通过如下两个操作产生候选项集：
算法需确定k-项集X={i一，i二…ik)的候选集是否都是频繁的，如果有一个是非频繁的则X会被立即剪枝。
对有效选集的要求：
把所有的k-项集都看作可能的候选，然后使用剪枝策略除去不必要的候选
用一个频繁(K-一)-项集和一个频繁一-项集构造一个候选, 然后剪枝除去不必要的候选
数据挖掘关联分析总结 第二篇
比如我们天天使用的淘宝，它会根据你的历史购物习惯（数据），来给推荐你可能感兴趣的商品。淘宝是如何做到的呢？对于这种复杂问题，淘宝背后使用的就是机器学习。
我再举个例子，今日头条是如何靠机器学习逆袭成为新闻客户端老大的。
二零一零年前后，门户时代崛起的网易、搜狐、腾讯三巨头向移动端转型，几乎垄断了当时的新闻客户端市场。而仅仅二年后，今日头条，使用“机器学习”这把屠龙刀向用户个人性化推荐用户感兴趣的新闻，一举打破巨头垄断，成为新闻客户端老大。虽然，后来腾讯和网易为了对抗头条，推出了类似的产品的天天快报和网易号，但因起步晚和算法不成熟，都失败了。
下面图片是我在知乎一个问题下回答的传播分析报告
在这份报告中，像点赞数、评论数、收藏数、总阅读量这样的分析就是简单分析。像“你可能感兴趣的人”这样的分析，就是复杂分析，需要通过机器学习算法来找到，类似于豆瓣上给你推荐感兴趣的电影、淘宝上给你推荐感兴趣的商品。
数据挖掘关联分析总结 第三篇
比如公司领导想知道每周的销售情况，这种就是简单问题。简单问题可以用数据分析来处理，通过分析数据来分析出有用的信息。
最简单的，你用excel分析一家淘宝店铺的销售数据，每周公司会让你出一份周报一份发现了最近几个月销量下降，然后根据分析产生销量下降的原因是什么，找到原因后制定对应的策略来提高销量。
我们来看一个真实的案例。全球最大的旅行房屋租赁社区Airbnb曾在二零一一年纠结于新用户增长的缓慢，有一天，他们的数据分析团队发现房源照片的精美程度，跟房源的预定人数成很大的正相关。
于是，他们提出一种假设，即“附有专业摄影照片的房源要更抢手，因此房主肯定会愿意申请Airbnb提供的此项服务”。
他们迅速上线了一个提供专业摄影照片服务的版本，然后跟原版本做A/B Test，发现同一个房源，使用专业摄影服务的比不使用的多了二-三倍的订单量。
二零一一年后期，Airbnb雇用了二零名专业摄影师，以帮助平台上的房主拍摄房屋照片，几乎在同一时间段，Airbnb的订单量曲线有了一个陡峭的增长。
数据挖掘关联分析总结 第四篇
一）人工智能是指使机器像人一样去决策
二）机器学习是实现人工智能的一种技术
三）机器学习分很多方法（算法），不同的方法解决不同的问题。深度学习是机器学习中的一个分支方法。
四）数据分析可以帮助你从零进入人工智能时代。如果你喜欢深入技术，学会了数据分析，你才能打好基础，去学习机器学习。如果你喜欢商业方面的内容，可以往人工智能业务方向发展。
五）下面这张图是它们之间的关系