# 3.6 Notes Association rules 的用途像是： - 非常適合用在很多的 ++data mining++ applications - 推薦我們書、電影、音樂的網站 :::info 在 14 章裡面我們會看到要如何去把 association rules genralize 成 concepts，而且這些 concepts 不一定要是 binary 的， association 的 types 也可以不同，並且我們也可以加入 hidden variables。 ::: ++Recommendation systems++ 已經很快的變成了 ML 的其中一個主要應用領域，很多零售商對用過去的 data 預測消費者的行為很感興趣。 我們可以藉由用++矩陣++呈現來 visualize 我們的 data，其中： - row 是顧客 - column 是 items - 裡面的 entries 可能是買的數量，或是消費者對這個商品的評價 :::warning 通常這個矩陣會超級大，但也非常 ++sparse++，而且 ++rank 也會非常小++。 ::: Q：為什麼這個矩陣會非常 sparse？ $\rightarrow$ 因為在一家店裡這麼多的商品裡面，每個人通常只會買其中幾樣。 Q：為什麼 rank 會非常小呢？ $\rightarrow$ 因為在我們的 data 中有很高的 dependency，人們在買東西的時候不是隨機的。 舉例來說，家裡有小嬰兒的人通常會買類似的東西，特定的商品也常常會一起買，或是絕對不會一起買。 因為有這樣的 regularities，而且我們的 hidden factors 數目又小，所以我們的 rank 才會小。 > 更詳細的一點說，當顧客中有很多買相同或相似的東西時，代表有很多列是相同或差不多的，因此我們可以透過列運算去相消，這樣一來 rank 當然會下降。 :::info 第 6 章會講 dimensionality reduction，也就會提到如何從 data 中 extract 這樣的 hidden factors 或 dependencies。 :::