基于海量数据的关联规则挖掘（一）

        关联规则是数据挖掘技术的一个活跃的研究方向之一，其反映出项目集之间有意义的关联关系。关联规则可以广泛地应用于各个领域，既可以检验行业内长期形成的知识模式，也能够发现隐藏的新规律。有效地发现、理解和运用关联规则是数据挖掘任务的一个重要手段。

        在处理大量数据时，很重要的一点是要理解不同实体间相互关联的规律。通常，发现这些规律是个极为复杂的过程。关联规则是一种十分简单却功能强大的、描述数据集的规则，这是因为关联规则表达了哪些实体能同时发生。

        关联规则的传统应用多见于零售业。关联规则挖掘的一个典型例子是购物篮分析。该过程通过发现顾客放入其购物篮中不同商品之间的联系，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，这种关联的发现可以帮助零售商指定营销策略。例如，在同一次去超市，如果顾客购买牛奶，他也购买面包（包括什么类型的面包）的可能性有多大？通过帮助零售商有选择地经销和安排货架，这种信息可以引导销售。例如，将牛奶和面包尽可能放近一些，可以进一步的刺激一次去商店同时购买这些商品。全球最大的零售商沃尔玛(Walmart)通过对顾客购物清单的数据挖掘发现了“尿布→啤酒”的关联规则，后来沃尔玛就把尿布和啤酒摆放在一起，从而双双促进了尿布和啤酒的销量。

        关联规则的另一应用领域是健康医疗，利用关联规则找出经常同时发生的健康问题，以便诊断出患一种疾病的患者还可能进行额外的检查，从而判断该患者是否存在其他与此疾病经常连带发生的身体问题。

       其他应用领域还包括入侵检查、web日志分析、数据库访问模式等等。