关联规则。在库存管理系统中，要用到缺货信息用来采购，怎样用关联规则的算法实现缺货信息的数据挖掘啊。 那这累问题应该在哪提问啊，我给了30分奖励呢
数据挖掘的经典算法 1.C4.5：是机器学习算法中的一种分类决策树算法，其核心算法是ID3算法。2.K-means算法：是一种聚类算法。3.SVM：一种监督式学习的方法，广泛运用于统计分类以及回归分析中4.Apriori：是一种最有影响的挖掘布尔关联规则频繁项集的算法。5.EM：最大期望值法。6.pagerank：是google算法的重要内容。7.Adaboost：是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器然后把弱分类器集合起来，构成一个更强的最终分类器。8.KNN：是一个理论上比较成熟的的方法，也是最简单的机器学习方法之一。9.Naive Bayes：在众多分类方法中，应用最广泛的有决策树模型和朴素贝叶斯（Naive Bayes）10.Cart：分类与回归树，在分类树下面有两个关键的思想，第一个是关于递归地划分自变量空间的想法，第二个是用验证数据进行减枝。关联规则规则定义在描述有关关联规则的一些细节之前，我们先来看一个有趣的故事：尿布与啤酒的故事。在一家超市里，有一个有趣的现象：尿布和啤酒赫然摆在一起出售。但是这个奇怪的举措却使尿布和啤酒的销量双双增加了。这不是一个笑话，而是发生在美国沃尔玛连锁店超市的真实案例，并一直为商家所津津乐道。沃尔玛拥有世界上最大的数据仓库系统，。
我现在学的是电子商务，想了解一下“数据挖掘的功能”中“关联分析”的具体内容？ 关联分析是数据挖掘的一种主要形式 而且是无监督学习型系统中最普遍的知识发现形式。典型的关联分析体现在基于交易数据的购物篮分析中。关联分析能够发现交易数据库中不同商品(项)之间的联系，如购买了某一商品对购买其他商品的影响。这种影响有时是正面的，有时是负面的，例如“9 O％的顾客在一次购买活动中购买商品A的同时购买商品B”，表明商品A与B 是正相关的。这种规则可以表示为“A=>；B“．表明顾客在购买商品A的条件下，购买B的概率。根据类似规则可以对顾客的购买模式进行深入分析，发现对商业决策有价值的规则和知识。用于关联规则发现的主要对象是事务型数据库．其中针对的应用则是售货数据 也称货篮数据。一项事务一般由事务处理时间、一组客户购买的物品、客户标识号等组成。由于条形码技术的发展，零售部门可以方便地收集存储大量的售货数据。对这些历史事务数据进行关联分析 则可对客户的购买行为提供极有价值的信息。例如，可以帮助规划市场(怎样相互搭配销售)。从事务数据中发现关联规则 对于改进销售业绩等商业活动的决策是非常重要 的。
