SPSSAU_机器学习_apriori关联分析.pdf

SPSSAU-在线SPSS分析软件

关联规则aprioriSPSSAU

关联规则apriori

Contents

1背景2

2理论3

3操作4

4SPSSAU输出结果4

5文字分析5

6剖析5

Apriori关联规则算法是一种用于数据挖掘的经典算法，其作用是找出数据中频繁出现的集合（频繁

集），进而辅助进行有效决策。比如商场里面购买商品，有1000个人购买了可能1万种商品，那么那些商

品出现频率更高呢，也或者哪两两商品重复出现的频率更高呢。当某两种或者三种商品同时出现，即消费

者更容易同时购买某两种或者三种商品时，此时商场分析人员是否应该考虑将该两种或三种商品摆放在一

起（或者捆绑销售呢），这样可以提供消费者的购物体验满意度，同时也可能带来更高的销售额，也可减

少商品的占用空间等多种好处。这就是Apriori算法的核心应用。此

上述中提及一个关键指标为频繁集，其是指研究项（例子里面为商品名称）及其组合的高频出现情

况，通常情况下有几个指标可以对其进行衡量，分别是支持度，置信度和提升度，该三个指标均是用于衡

量频繁集的指标，但具体意义不完全相同，下述理论部分会进一步说明。

SPSSAU-在线SPSS分析软件

关联规则apriori案例

Contents

1背景2

2理论3

3操作4

4SPSSAU输出结果4

5文字分析5

6剖析5

1背景

Apriori关联规则最为经典的案例是商场商品购物蓝分析，但Apriori关联规则的应用远不于此，其也

在医疗、金融等多个领域得到广泛应用，只要是用于研究类似于数据集一起出现情况，用于挖掘数据潜在

特征组合时均可使用。本案例为某中医疾病探索分析，首先共收集1000名病人的病休特征，每名病人通

常都有多种病状，比如心悸和神经衰弱容易同时出现，失眠与月经不调也容易同时出现等。最终整理出

1000名病人共计3184种病症数据，部分数据如下图所示：

特别提示：

Apriori关联规则分析时，上传到SPSSAU的数据格式较为特殊，比如本案例时共计1000名病人，每

名病人可能有不同的病症，比如上图可以看到，编号为1的病人共有2种病症（分别是消化不良和便

秘），编号为2的病人共有2种病症分别是心性和失眠。最终整理后共计1000名病人共有3184种病症。

数据包括2列，分别是编号和病症情况（如果是比如商场购物，则为订单和具体商品名称）。

上述数据格式是SPSSAU中支持的格式，但很多时候整理的数据格式并非这样，比如很可能是下图所

示的格式，编号为1的病人共有2种病症，该2种病症使用逗号隔开（而不是1种病症1行数据），如果

是类似此类数据，可下载SPSSAU提供的‘apriori_spssau_dataformat_trans.xlsm’这个EXCEL宏文件（有

代码的EXCEL文件）进行处理，一键整理成SPSSAU支持的数据格式。

文件点击就下载，链接为：/apriori_spssau_dataformat_trans.xlsm

SPSSAU-在线SPSS分析软件

关于‘apriori_spssau_dataformat_trans.xlsm’这个EXCEL宏文件（有代码的EXCEL文件）的使用说

明如下：

文件点击就下载，链接为：/apriori_spssau_dataformat_trans.xlsm

首先下载‘apriori_spssau_dataformat_trans.xlsm’这个EXCEL宏文件，如果打开后EXCEL提示有代

码运行则需要同意它。接着将数据A和B列整理好，此时点击‘运行’按钮，并且输入B列涉及的分隔

符(本案例为英文逗号，当然也可以是其它的分隔符号比如斜杠等)，即可得到C、D和E共3列数据。C

列标识分隔数量，即比如编号为1的病人共有2种病症，编号为2