关联分析模型.docVIP

关关联分析模型 例如，某数据挖掘系统从一个商场销售记录数据中挖掘出如下关联规则， 年龄（X，“25—35”）∧收入（X，“3000—4000”）=（X，“电脑”） [ S=3% , C=60% ] 上述关联规则表示商场有3%的顾客年龄在25 岁到35 岁且月收入在3000 元到4000 元之间，这群顾客有60%购买了电脑，或者说这群顾客购买电脑概率为6 成。在商店促销时，通过数据关联规则可以了解某些商品具有关联销售的可能性，从而可以向已经购买相关商品的客户推销关联商品，这将获得极高的成功率。另外，超市在布置货品时，可以把关联度较高的商品摆放在一起，这样既能使客户满意，又能大大增加销售额。例如通过挖掘可知以下关联规则， 购买（X，“电脑”） =购买（X，“软件”） [ S=1% ， C=70%] 上述关联规则表示，该商场有1%销售货物中包含了电脑和软件两个商品，而对于一条包含购买“电脑”商品的交易货物记录有70%可能包含购买“软件”商品。 关联挖掘还可以对各种促销活动前后商品销售情况进行分析，了解在促销中由于哪些商品的降价会带动其他商品销售上升，这种分析旨在提高促销的质量，降低促销成本。常用的关联挖掘算法有Apriori 算法和基于改进的Apriori 算法（利用 hash 技术，划分数据法，采样技术法等）。 通常关联规则具有 X ?Y 形式，即：A1 ??A2 ???L??A n??B1 ??B2 ?L??Bn 其中A (i {1, n}) i ??L 和B (i {1, n}) i ??L 均为属性值。关联规则X ?Y 表示满足X 条件的记录也一定满足Y 中的条件。用S 支持度和C 信任度两个指标来说明该关联的可信度。