商业分析_第二篇 关联规则

1.1 关联规则的含义

关联规则是形如X→Y的蕴涵式，其中， X和Y分别称为关联规则的先导(antecedent或left-hand-side, LHS)和后继(consequent或right-hand-side, RHS) 。其中，关联规则XY，存在支持度和置信度。

1.2 支持度和置信度的定义

• 支持度support：用来确定给定数据集的频繁程度，即给定数据集在所有数据集中出现的频率。如support（X,Y）=P（X，Y）/N
• 置信度confidence：用来确定Y在包含X的事务中出现的频繁程度。如confidence（X->Y）=P（X,Y）/P（X）

1.3 支持度和置信度的意义

支持度：如果很低的话，代表这个规则其实是偶然出现，基本上没有意义。因此，支持度通常用来删除那些无意义的规则。
置信度：只有置信度越高，Y出现在包含X的事务中的概率菜越大。

1.4 支持度和置信度的缺点

还是以上面的1000个交易记录为例子，500个交易包含购买商品A，700个交易包含购买商品B，300个交易同时包含购买A、B商品。Support(AB)=0.3，且Confidence(A==>B)= 0.6。不管支持度和置信度看上去都很高。但是这样的关联规则是有问题的。
Confidence(A==>B)= 0.6表示用户在购买了商品A后有0.6的概率的去购买商品B，而在没有任何前提条件时，用户反而有(700/1000=0.7)的概率去购买商品B，也就是说在购买了商品A的条件反而会降低用户去购买商品B的概率。这样看来使用(A==>B)这条规则来进行推荐，还不如不推荐，随机对顾客推荐好了。为此，引入另外一个量，即提升度(Lift)，以度量此规则是否可用。

也就是说这lift指标表示了一条关联规则是否有效，这里表示度量（A==>B）这条规则有效程度的值为1.32。满足最小支持度和最小置信度的规则，叫做“强关联规则”。然而，强关联规则里，也分有效的强关联规则和无效的强关联规则。
如果Lift(X→Y)>1，则规则“X→Y”是有效的强关联规则。
如果Lift(X→Y) <=1，则规则“X→Y”是无效的强关联规则。
特别地，如果Lift(X→Y) =1，则表示X与Y相互独立