频繁模式指的是在数据集中频繁出现的一类模式。频繁项集指的是由包含某

一类频繁模式的元素组成的集合。因此，频繁模式挖掘也常被叫做频繁项集挖掘。

购物篮分析（或是亲密性分析）是介绍频繁模式挖掘的最佳案例，它是众所

周知的频繁模式挖掘应用之一。购物篮分析试图从消费者加入购物篮的商品中挖

掘出某种模式或者关联，可以是真实的购物篮，也可以是虚拟的，并且给出支持

度或是置信度。这一方法在用户行为分析中存在巨大的价值。

将购物篮分析推而广之就成了频繁模式挖掘，实际上它与分类非常类似，只

是通过相互的关联来预测属性或是属性的组合（不仅仅是预测类别）。因为关联

不需要预标记类别标签，所以它属于非监督式学习。

置信度、支持度和关联规则

如果我们把所有的物品都看作是我们集合中的一个元素（或是商店售卖的所

有商品，或是用于欺诈检测分析的所有交易记录），那么每个元素可以用一个布

尔值表示，表示该元素是否出现在某个特定的“篮子”里。每个篮子就是一个布

尔值的向量，而向量的长度由集合的大小决定。所有可能的向量组成的矩阵就是

一个数据集。