4.3.2无监督学习（四） - 序列模式与AprioriAll算法
简介
关联分析为了寻找数据各个特征之间的关联影响关系。关联关系并不是因果关系，它表示的是特征A出现与特征B出现之间的影响关系。关联分析通常可以分为关联规则（Association Rules）与序列模式（Sequence Pattern Mining）。其中，序列模式算法中最基本的是AprioriAll算法。
一句话解释版本：
序列模式就是有时间顺序概念的关联规则。
数据分析与挖掘体系位置
序列模式是一种无监督学习方法，其在整个数据分析与挖掘体系中的位置如下图所示。
序列模式的理念
关联规则（Apriori算法）只能衡量X与Y之间的影响力大小。这种影响与时间、顺序是无关的。我们只考虑购买牛奶与购买面包的关系，但是不会考虑购买的先后顺序与购买的时间。举例来说，在关联规则中，如果一个项集为[牛奶，面包，裙子]，这个购买行为是不具有任何顺序与时间观念的。
但是序列模式不同，它是具有先后顺序概念的。也就是说，它能够考察：我在之前的购买中买了牛奶，之后的购买行为中我更有可能买面包。序列模式的挖掘带入了时间次序的概念。
序列模式的处理单元
在上一章说过：
在关联规则中，一个记录是一个项集，[牛奶，面包，蜂蜜]，这就是一个项集。
在序列模式中，一个记录是一个序列，它是有序的项集。一个序列包含项的个数是序列的长度。
序列模式的基础指标
序列模式的判定指标是支持度。它的算法与关联规则略有不同。
支持度（Support）
符号：support(S) 。
定义：衡量有序项集的出现频率。表示序列S在所有数据集中出现的概率。
计算：support（S）= P(S) / C，其中C代表C次购买行为。
举例：客户的三次购买行为是{牛奶，面包，蜂蜜}，{豆浆，牛奶，面包}，{面包，牛奶，蜂蜜}。则，support(牛奶->面包)=2/3.
注：序列不一定是连续、紧接着发生，只要符合时间先后顺序就可以。
序列模式的评判标准
序列规则的评判结果是：序列S是不是一个会频繁发生的模式。
要想确认这一点，需要设定阈值，这个阈值是
- 最小支持度（Minimum Support）：序列S发生的概率至少要超过该值，S才算是频繁序列。
AprioriAll算法的原理
AprioriAll与Apriori基本是一样的，只不过Apriori是对项集做处理，而AprioriAll引入了序列的概念。
AprioriAll算法包括如下几步：
- 将原始数据集按事件、发生时间进行排序，得到各个序列。
- 设定序列最小支持度，即阈值
- 计算序列的支持度，并筛选出支持度大于阈值的序列