资料探勘7网路资料库之关连法则内部资料.pptVIP

* 關連分析(3) 若correlation 1，表示 A 和 B 是逆相關 (negatively correlated)，亦即 A 的出現會造成 B 出現的機率降低。 若correlation 1，表示 A 和 B 是正相關 (positively correlated)，亦即 A 的出現會造成 B 出現的機率增高。 若correlation = 1，表示 A 和 B 是無關的。 當相關程度大於 1 時，表示使用法則的效果會比較顯著。但是當相關程度小於 1 時，則表示使用法則的效果可能不佳。 * 內容概要 簡介 關連法則探勘 (Association Rule Mining) 多層次關連法則探勘 (Multilevel Association Rule Mining) 數量化關連法則探勘 (Quantitative Association Rule Mining) 關連分析 (Correlation Analysis) 總結 * 總結 本章內容包括： 基本的關連法則探勘：Apriori演算法 多層次關連法則探勘：使用概念階層的觀念來進行多層次關連法則的探勘 數量化關連法則探勘：考慮物品被購買的數量，進一步發掘物品與購買數量之間的關係 關連分析 相關的研究包括： 使用雜湊 (hash) 或快取 (cache) 等觀念來改進關連法則探勘的效能 考慮顧客屬性和購買物品之間的關係 如何維護所發掘出來的關連法則 * 範例7-7 (3) 層次3 {121*} ? {211*} 信心水準=3/3=1 {211*} ? {121*} 信心水準=3/4=0.75 第1和第2條關連法則皆符合條件。 層次4 {1212} ? {2112} 信心水準=2/2=1 {2112} ? {1212} 信心水準=2/3=0.67 第1和第2條關連法則皆符合條件。 * 範例7-7 (4) 在商品項目的編碼中，假設第一個數字 “1” 代表 “個人電腦”(如圖7-5) ，“2” 代表 “螢幕” (如圖7-14) ，“4” 代表 “印表機” (如圖7-15) 。將符合條件的關連法則根據編碼的方式還原如下： “個人電腦” ? “螢幕” 信心水準=0.875 “螢幕” ? “個人電腦” 信心水準=1 “印表機” ? “個人電腦” 信心水準=1 “CRT螢幕” ? “攜帶型電腦” 信心水準=0.75 “筆記型電腦” ? “17吋CRT螢幕” 信心水準= 1 “17吋CRT螢幕” ? “筆記型電腦” 信心水準= 0.75 “IBM筆記型電腦” ? “宏碁17吋CRT螢幕” 信心水準= 1 “宏碁17吋CRT螢幕” ? “IBM筆記型電腦” 信心水準= 0.67 * 內容概要 簡介 關連法則探勘 (Association Rule Mining) 多層次關連法則探勘 (Multilevel Association Rule Mining) 數量化關連法則探勘 (Quantitative Association Rule Mining) 關連分析 (Correlation Analysis) 總結 * 簡介(1) 物品與購買數量這層關係對於行銷策略的決定有重要的影響。 例如，“40%的顧客如果購買一個碳粉匣，也會購買三包報表紙”。我們稱這種法則為 “數量化關連法則” (quantitative association rule)。 數量化關連法則有助於決策者制定出更有效益的行銷策略。 例如，當考慮 “碳粉匣” 的促銷策略時，就可以根據 探勘結果的資訊，提出類似 “買一個碳粉匣送兩包報表紙” 的促銷方案。 * 簡介(2) 同時考慮 “物品” 與 “購買數量” 時，會造成滿足最小支持度的項目集變得更少，甚至可能無法產生任何滿足最小支持度的關連法則。 考慮將 “數量” 分割成許多區間 (intervals)，提高每一個項目在其所屬區間的支持度，以發掘出更多潛在有用的關連法則。 * 相關定義 假設在資料庫中每一筆交易是由一個交易編號以及一組 q_項目 (q_item) 所組成的。 q_項目的形式為 i,q，它代表項目 i 以及被購買的數量 q。 一組q_項目所組成的集合稱之為 q_項目集 (q_itemset)。 一個 q_項目 x 的支持度被定義為“包含q_項目x的交易總數