数据挖掘之关联规则分析简介

关联分析是指从大量数据中发现项集之间有趣的关联和相关联系。关联分析的一个典型例子是购物篮分析。在大数据时代，关联分析是最常见的数据挖掘任务之一。

概述

关联分析是一种简单、实用的分析技术，是指发现存在于大量数据集中的关联性或相关性，从而描述一个事物中某些属性同时岀现的规律和模式。

关联分析可从大量数据中发现事物、特征或者数据之间的，频繁出现的相互依赖关系和关联关系。这些关联并不总是事先知道的，而是通过数据集中数据的关联分析获得的。

关联分析对商业决策具有重要的价值，常用于实体商店或电商的跨品类推荐，购物车联合营销，货架布局陈列，联合促销，市场营销等，来达到关联项互相销量提升，改善用户体验，减少上货员与用户投入时间，寻找高潜用户的目的。

通过对数据集进行关联分析可得出形如“由于某些事件的发生而引起另外一些事件的发生”之类的规则。

例如，“67% 的顾客在购买啤酒的同时也会购买尿布”，因此通过合理的啤酒和尿布的货架摆放或捆绑销售可提高超市的服务质量和效益。“’C# 语言’课程优秀的同学，在学习’数据结构’时为优秀的可能性达 88%”，那么就可以通过强化“C# 语言”的学习来提高教学效果。

关联分析的一个典型例子是购物篮分析。通过发现顾客放入其购物篮中的不同商品之间的联系，可分析顾客的购买习惯。通过了解哪些商品频繁地被顾客同时购买，可以帮助零售商制定营销策略。其他的应用还包括价目表设计、商品促销、商品的排放和基于购买模式的顾客划分等。例如，洗发水与护发素的套装；牛奶与面包间临摆放；购买该产品的用户又买了那些其他商品等。

除了上面提到的一些商品间存在的关联现象外，在