电商数据挖掘之关联算法(一)：“啤酒+尿布”的关联规则是怎么来的.pdfVIP

电商数据挖掘之关联算法（一）：“啤酒＋尿布”的关联 规则是怎么来的 , , Posted on 2013 年09 月16 日 by admin in 消费者研究 用户研究 电子商务 with 0 Comments 所谓关联，反映的是一个事件和其他事件之间依赖或关联的知识。当我们查找 英文文献的时候，可以发现有两个英文词都能形容关联的含义。第一个是相关性 relevance ，第二个是关联性 association ，两者都可以用来描述事件之间的关联程度。 其中前者主要用在互联网的内容和文档上，比如搜索引擎算法中文档之间的关联性， 我们采用的词是 relevance ；而后者往往用在实际的事物之上，比如电子商务网站上 的商品之间的关联度我们是用 association 来表示的，而关联规则是用 association rules 来表示的。 如果两项或多项属性之间存在关联，那么其中一项的属性值就可以依据其他属 性值进行预测。简单地来说，关联规则可以用这样的方式来表示： A→B ，其中A 被 称为前提或者左部（LHS），而B 被称为结果或者右部（RHS ）。如果我们要描述 关于尿布和啤酒的关联规则（买尿布的人也会买啤酒），那么我们可以这样表示： 买尿布→买啤酒。 关联算法的两个概念 在关联算法中很重要的一个概念是支持度 （Support），也就是数据集中包含某 几个特定项的概率。 比如在1000次的商品交易中同时出现了啤酒和尿布的次数是 50次，那么此关 联的支持度为 5%。 和关联算法很相关的另一个概念是置信度（ Confidence），也就是在数据集中 已经出现A 时，B发生的概率，置信度的计算公式是 ：A 与B 同时出现的概率/A 出 现的概率。 数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的 取值之间存在某种规律性，就称为关联。关联可分为简单关联、时序关联、因果关 联等。关联分析的目的是找出数据库中隐藏的关联网。有时并不知道数据库中数据 的关联函数，或者即使知道也是不确定的，因此关联分析生成的规则带有置信度。 关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。它在数据挖掘 中是一个重要的课题，最近几年已被业界所广泛研究。 关联规则挖掘的一个典型例子是购物篮分析。关联规则研究有助于发现交易数 据库中不同商品（项）之间的联系，找出顾客购买行为模式，如购买了某一商品对 购买其他商品的影响。分析结果可以应用于商品货架布局、货存安排以及根据购买 模式对用户进行分类。 关联规则的发现过程可分为如下两步： 第一步是迭代识别所有的频繁项目集（Frequent Itemsets ），要求频繁 项目集的支持度不低于用户设定的最低值； 第二步是从频繁项目集中构造置信度不低于用户设定的最低值的规则，产 生关联规则。识别或发现所有频繁项目集是关联规则发现算法的核心，也是计算量 最大的部分。 支持度和置信度两个阈值是描述关联规则的两个最重要的概念。一项目组出现 的频率称为支持度，反映关联规则在数据库中的重要性。而置信度衡量关联规则的 可信程度。如果某条规则同时满足最小支持度（ min-su ort ）和最小置信度 （min-confidence ），则称它为强关联规则。 关联规则数据挖掘阶段 第一阶段必须从原始资料集合中，找出所有高频项目组（ Large Itemsets ）。 高频的意思是指某一项目组出现的频率相对于所有记录而言，必须达到某一水平。 以一个包含A 与B 两个项目的 2-itemset 为例，我们可以求得包含{A,B}项目组的支 持度，若支持度大于等于所设定的最小支持度（ Minimum Su ort ）门槛值时，则 {A,B}称为高频项目组。一个满足最小支持度的 k-itemset ，则称为高频 k-项目组 （Frequent k-itemset ），一般表示为 Large k 或Frequent k 。算法并从 Large k 的 项目组中再试图产生长度超过 k 的项目集 Large k+1，直到无法再找到更长的高频 项目组为止。 关联规则挖掘的第二阶段是要产生关联规则。从高频项目组产生关联规则，是 利用前一步骤的高频 k-项目组来产生规则，