Apriori 关联预测分析

Apriori算法

        Apriori算法是一种基于关联规则（Association rule）的原理的代表性算法。该算法源自于“啤酒喝尿不湿”的故事，Apriori算法应用广泛，可用于购物篮分析、消费市场价格分析，猜测顾客的消费习惯…… 

        如下表1，我们通常称其为购物篮交易（market basket transaction)。表中每一行对应一个交易，包含一个唯一标识ID和特定顾客购买的商品集合。零售商对分析这些数据很感兴趣，以便了解其顾客的购买行为。可以使用这种有价值的信息来支持各种商业中的实际应用，如市场促销，库存管理和顾客关系管理等等。 
 

表1

流水记录（ID）					购物详细清单
1					辣条，面包，牙膏，果冻，毛巾
2					面包，雨伞，辣条
3					牛奶，面包，可乐
4					果粒橙，洗面奶，毛巾
5					雨伞，辣条，牛奶
6					面包，雨伞，果粒橙，可乐
7					洗面奶，毛巾，牛奶

       那针对上述数据，作为超市的老板，目前库内积压了很多毛巾，能否基于上述分析，给出一种策略，提升毛巾的交易量，进一步减少库存，实现利益的最大化呢？ 

                    
 

       在上述的问题中，我们首先需要引入“关联规则”这个概念。何为关联规则？ 
       关联规则：即事物（事件）和事物（事件）之间的关联性。如放到购物篮分析场景中，关联规格表现的就是购物篮里面的商品与商品之间的关联性。通俗解释即：购物篮中的商品能够体现用户的消费习惯，通过研究购物篮中商品与商品之间的关联规则，可以反向推导用户的消费标签，最后利用这些标签方便后续运营方的有效运营（比如知道了这个地区的人比较抠，那么就可以通过适当发放更多的礼物券或者其他来增加用户粘性等……）。 
        关联规则数学的表达：关联规则是形如 X→Y 的蕴涵表达式，其中X和Y是不相交的项集，即 X∩Y=∅。 
        说白了，就是通过关联规则找出哪些是商品放在一起会卖的更好？若是这样认为，会引出下一个问题，既然关联规则能体现哪些东西放在卖的更好，那么卖的好的是不是也分为：卖的第一好，卖的第二好……. 

       言外之意就是关联规则需要通过强度来排名，对“好”这个词进行量化操作。 
       那么关联规则的强度，我们是通过支持度（Support）和置信度（Confidence）来衡量的。 
       支持度（Support）：支持度是指商品的受欢迎程度（也可以理解为衡量某淘、某东、某猫最热的那些商品的标准），可以通过查找包含特定项目的交易数量除以交易总数来计算。 
       支持度（面包）=(包含（面包）的交易)/(总交易)=4/7=0.5714 
       支持度（雨伞）=(包含（雨伞）的交易)/(总交易)=3/7=0.4285 
       支持度（面包，雨伞）=（包含（面包，雨伞）的交易）/(总交易)=？？？？ 
       支持度（面包，雨伞，辣条）=(包含（面包，雨伞，辣条）的交易)/(总交易)=？？？ 

       置信度（Confidence，也可以叫信心度）：如果购买物品A，也会购买物品B的概率（或者叫可能性）. 可以通过查找A和B一起购买的交易数量除以购买A的交易总数来计算。在数学上，它可以表示为： 
       置信度（A→B）=（包含（A和B）的交易）/(包含A的交易)。 
       置信度（面包→雨伞）=（包含（面包，雨伞）的交易）/(包含（面包）的交易)=2/4=50% 

      另外再补充一个：提升度 
      提升度是指A出售时B的销售比率的增加（比如当前销售一件A，那么接下来B商品会因为A卖掉的缘故，下一次被厂家卖掉（B）的概率的增加）。 
提升度（A → B）可以通过将置信度（A → B）除以支持度（B）来计算。提升度（A → B）=P（B A）/P(B)。 
      说白了，就是在买A的基础上还买了B的交易记录  除以  独立买B的交易记录。也就是说A的卖不卖是否可以影响B的销售。 
       若提升度（A → B）<=1。说明A卖不卖和B销售一点关系都没有（也可以叫两个商品独立）。 
       若提升度（A → B）>1，则说明A卖不卖和B是有关系的，通常我们认为若提升度（A → B）>=3的时候，A → B是强关联规则 提升度（面包→雨伞）=（置信度（面包→雨伞））/（支持度（雨伞））=？？？？ 
引入关联规则强弱的判别指标之后， k-项集概念。 
        以表 1 为例：

             K-项集：一个包含 k 个数据项的项集

           （面包，雨伞，辣条）是一个 3-项集

           （面包，雨伞）是一个 2-项集

关联规则挖掘算法可以分为两步：

一、 产生频繁项集：发现满足最小支持度阈值的所有项 集，即频繁项集

二、 上步骤一中发现的频繁项集中提取大于置信度阈值 的规则，即所谓的强规则

算法过程

1、找出频繁项集

流水记录（ID）	购物详细清单
1	辣条，面包，牙膏，果冻，毛巾
2	面包，雨伞，辣条
3	牛奶，面包，可乐
4	果粒橙，洗面奶，毛巾
5	雨伞，辣条，牛奶
6	面包，雨伞，果粒橙，可乐
7	洗面奶，毛巾，牛

以下示例：假设最小支持度>2

1-项集支持度计算

1-项集	支持度计数
辣条	3
面包	4
牙膏	1
果冻	1
雨伞	3
牛奶	3
可乐	2
洗面奶	2
毛巾	3
果粒橙	1

比较候选支持度计数与最小值支持度（2），筛选出 1-频 繁项集。

1-项集	支持度计数
辣条	3
面包	4
雨伞	3
牛奶	3
可乐	2
洗面奶	2
毛巾	3

由 1-项集产生候选的 2-项集

1-项集	支持度计数
{辣条，面包}	2
{辣条，雨伞}	2
{辣条，牛奶}	1
{辣条，可乐}	0
{辣条，洗面奶}	0
{辣条，毛巾}	1
{面包，雨伞}	2
{面包，牛奶}	1
{面包，可乐}	2
{面包，洗面奶}	0
{面包，毛巾}	1
{雨伞，牛奶}	1
….(未完待续)	….(未完待续)

比较候选支持度计数与最小值支持度（2），筛选出 2 频 繁项集。

未完待续…...