《关联规则》.pptVIP

For rule A ? C: support = support({A}?{C}) = 50% confidence = support({A}?{C})/support({A}) = 66.6% 实例 * 主讲人：郝青 内容提纲 关联规则挖掘简介 关联规则基本模型 关联关系 一个来自沃尔玛超市的真实案例，尿布与啤酒这两种风马牛不相及的商品居然摆在一起。但这一奇怪的举措居然使尿布和啤酒的稍量大幅增加了。这可不是一个笑话，而是一直被商家所津津乐道的发生在美国沃尔玛连锁超市的真实案例。原来，美国的妇女通常在家照顾孩子，所以她们经常会嘱咐丈夫在下班回家的路上为孩子买尿布，而丈夫在买尿布的同时又会顺手购买自己爱喝的啤酒。这个发砚为商家带来了大量的利润，但是如何从浩如烟海却又杂乱无章的数据中，发现啤酒和尿布销售之间的联系呢？这又给了我们什么样的启示呢？ 购物篮分析 “啤酒和尿布”的故事是营销届的神话，“啤酒”和“尿布”两个看上去没有关系的商品摆放在一起进行销售、并获得了很好的销售收益，这种现象就是卖场中商品之间的关联性，研究“啤酒与尿布”关联的方法就是购物篮分析，购物篮分析是沃尔玛秘而不宣的独门武器，购物篮分析可以帮助我们在门店的销售过程中找到具有关联关系的商品，并以此获得销售收益的增长！ ? 关联规则简介 关联规则反映一个事物与其他事物之间的相互依存性和关联性。如果两个或者多个事物之间存在一定的关联关系，那么，其中一个事物就能够通过其他事物预测到。 典型的关联规则发现问题是对超市中的货篮数据（Market Basket）进行分析。通过发现顾客放入货篮中的不同商品之间的关系来分析顾客的购买习惯。 什么是关联规则挖掘 关联规则挖掘 首先被Agrawal, Imielinski and Swami在1993年的SIGMOD会议上提出 在事务、关系数据库中的项集和对象中发现频繁模式、关联规则、相关性或者因果结构 频繁模式: 数据库中频繁出现的项集 频繁项集 项的集合称为项集。包含k个项的项集称为k-项集。 项集的出现频率(支持计数)是项集的事务数，简称为 项集的频率，支持率计数或者计数。如果项集I的相对 出现频率大于等于预定义的最小支持度阈值，则I是频 繁项集。 关联规则的目的: 发现数据中的规律超市数据中的什么产品会一起购买？— 啤酒和尿布 在买了一台PC之后下一步会购买? IBM公司Almaden研究中心的R.Agrawal首先提出关联规则模型，并给出求解算法AIS。随后又出现了SETM和Apriori等算法。其中，Apriori是关联规则模型中的经典算法。 给定一组事务 产生所有的关联规则 满足最小支持度和最小可信度 Apriori算法 是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。 关联规则挖掘过程主要包含两个阶段： 第一阶段必须先从资料集合中找出所有的高频项目组(Frequent Itemsets)，这些项集出现的频繁性至少和预定义的最小支持度一样 第二阶段再由这些高频项目组中产生关联规则(Association Rules)。 设I={i1, i2,…, im}为所有项目的集合，D为事务数据库，事务T是一个项目子集（T?I）。每一个事务具有唯一的事务标识TID。设A是一个由项目构成的集合，称为项集。事务T包含项集A，当且仅当A?T。如果项集A中包含k个项目，则称其为k项集。项集A在事务数据库D中出现的次数占D中总事务的百分比叫做项集的支持度。如果项集的支持度超过用户给定的最小支持度阈值，就称该项集是频繁项集（或大项集）。 关联规则是形如X?Y的逻辑蕴含式，其中X?I，Y?I，且X?Y=?。如果事务数据库D中有s%的事务包含X?Y，则称关联规则X?Y的支持度为s%，实际上，支持度是一个概率值。若项集X的支持度记为support (X)，规则的信任度为support (X?Y)／support (X)。这是一个条件概率P (Y | X)。 也就是： support (X?Y)=P (X ?Y) confidence (X?Y)=P (Y | X) 理解：关联分析中的三个重要的概念 举例： 10000个人购买了产品，其中购买A产品的人是1000个，购买B产品的人是2000个，AB同时购买的人是800个。 支持度指的是关联的产品（假定A产品和B产品关联）同时购 买的人数占总人数的比例，即800/10000=8%，有8%的用户 同时购买了A和B两个产品； 可信度指的是在购买了一个产品之后购买另外一个产品的可能 性，如购买了A产品之后购买B产品的可信度=800/1000=80% 提升