关联分析

无监督学习，即不存在目标变量，基于数据本身，去识别变量之间内在的模式和特征。例如关联分析，通过数据发现项目A和项目B之间的关联性。例如聚类分析，通过距离，将所有样本划分为几个稳定可区分的群体。这些都是在没有目标变量监督下的模式识别和分析。

关联分析的目的在于，找出项目（item）之间内在的联系。常常是指购物篮分析，即消费者常常会同时购买哪些产品（例如游泳裤、防晒霜），从而有助于商家的捆绑销售。

基本概念：

1）关联规则的形式化定义：

computer⟹antivirus_software[support= 2%;confidence = 60%] （购买计算机也趋向于同时购买杀毒软件）

规则的支持度（support）和置信度（confidence ）是规则兴趣度的两种度量。它们分别反映所发现规则的有用性和确定性。

关联规则的支持度为2%，意味所分析的所有事务的2%显示计算机和杀毒软件被同时购买。 support(A⟹B) = P(A∪B)

置信度60%意味购买计算机的顾客60%也购买了杀毒软件。 confidence(A⟹B)= P(B|A)

在典型情况下，同时满足最小支持度阈值和最小置信度阈值（可由专家设定）的强关联规则，被认为是有趣的。

2）关联规则挖掘两步走：

a、找出所有的频繁项集（项集频度满足最小支持度计数阈值）。

b、由频繁项集产生强关联规则。

3）大型数据集中的主要挑战：大量满足最小支持度阈值的项集。例如，一个长度为100的频繁项集，总个数为 。个数太大，无法计算和存储。引入了闭频繁项集和极大频繁项集的概念。

适用情景：

1、购物篮分析。捆绑销售。

2、优质或劣质用户（门店）的特征频繁模式发现。

主要算法：Apriori算法、Eclat算法、频繁树（FP-Tree）算法

模型评估：提升度、卡方分析、全置信度、最大置信度、Kulczynski、余弦、不平衡比（IR）。

其中，只有提升度和卡方分析不是零不变度量（不受零事务（不包含任何考察项集的事务）的影响）。

建议，结合IR和Kulc一起使用。