爱华网第六章，FrequentPattern，挖掘频繁模式
（1）主要问题是，寻找经常在一起出现的itemset。有多经常？使用约束指标：支持度（support），置信度(confidence)。一些有意思的特性：如果一个itemset是frequent的，那么它的subset也是frequent的。由于subset实在太多了，我们引入closedfrequentitemset概念。
（2）算法Frequentpatternmining的算法：Apriori算法：先算size为1的频繁itemsetL1，然后由L1构建L2，再逐次往上构建。其中，构建Lk只需要L（k-1）就可以了。源于这么一个性质：如果一个集合不能通过测试（足够frequent），则它的所有超集也不能通过测试。这属于一种反单调性（antimonotone）。这个算法看起来还是很直接很暴力的，但是它work而且makesense。原始的算法效率低，可以通过诸多方法优化。一个性能更好的算法FrequentPatternGrowth（FPGrowth）。构建频繁模式树，使用最不频繁的项作后缀，降低搜索开销。
Apriori和FPGrowth都是使用水平数据集操作的，{Transaction_ID:itemset}。数据可以用另一种方向来表示：{item:Transaction_ID_Set}，右边是所有包含这个item的transactions，称为垂直数据格式，verticaldataformat。使用垂直数据格式也可以进行frequentpatternmining，其中主要是进行集合取交的运算，为了提高效率，可使用差集的表示技术。
（3）模式评估只使用support和condifence会有误导性。书中提出了更多的相关性度量：卡方，提升度，全置信度，最大置信度，Kluc，余弦。我们需要注意零事务（null-transaction），是不包含任何考察项的事务。有的度量指标受零事务影响很大，不是null-invariant零不变量，全置信度，最大置信度，Kluc，余弦是null-invariant，卡方和提升度则不是。书中还引入了不平衡比。总之，由于大型数据集常有大量的null-transaction，所以我们要考虑零不变性，以上各种度量中，推荐Kluc和不平衡比配合使用。
