关联规则学习

一、支持度、置信度和提升度

支持度：是个百分比，指的是某个商品组合出现的次数与总次数之间的比例。支持度越高，代表这个组合出现的频率越大。

“牛奶”的支持度=4/5=0.8

“牛奶+面包”的支持度=3/5=0.6。

订单编号	购买的商品
1	牛奶、面包、尿布
2	可乐、面包、尿布、啤酒
3	牛奶、尿布、啤酒、鸡蛋
4	面包、牛奶、尿布、啤酒
5	面包、牛奶、尿布、可乐

二、Apriori算法原理

1、Apriori算法就是查找频繁项集(frequent itemset)的过程

频繁项集：支持度大于等于最小支持度(Min Support)阈值的项集。

非频繁项集：支持度小于最小支持度的项集

2、Apriori算法的流程：

Step1，K=1，计算K项集的支持度；

Step2，筛选掉小于最小支持度的项集；

Step3，如果项集为空，则对应K-1项集的结果为最终结果。 否则K=K+1，重复1-3步。

使用工具包： from efficient_apriori import apriori

或者： from mlxtend.frequent_patterns import apriori

from mlxtend.frequent_patterns import association_rules

三、关联规则与协同过滤的区别

1、关联规则是基于transaction，而协同过滤基于用户偏好（评分） 商品组合使用的是购物篮分析，也就是Apriori算法，协同过滤计算的是相似度

关联规则没有利用“用户偏好”，而是基于购物订单进行的频繁项集挖掘

2、推荐使用场景：

当下的需求： 推荐的基础是且只是当前一次的购买/点击

长期偏好： 基于用户历史的行为进行分析，建立一定时间内的偏好排序

两种推荐算法的思考维度不同，很多时候，我们需要把多种推荐方法的结果综合起来做一个混合的推荐

四、关联规则的视角

不需要考虑用户一定时期内的偏好，而是基于Transaction 只要能将数据转换成Transaction，就可以做购物篮分析：

Step1、把数据整理成id=>item形式，转换成transaction

Step2、设定关联规则的参数（support、confident）挖掘关联规则

Step3、按某个指标（lift、support等）对以关联规则排序

五、关联规则中的最小支持度、最小置信度该如何确定

最小支持度，最小置信度是实验出来的

最小支持度：

不同的数据集，最小值支持度差别较大。可能是0.01到0.5之间 可以从高到低输出前20个项集的支持度作为参考

最小置信度：可能是0.5到1之间

提升度：表示使用关联规则可以提升的倍数，是置信度与期望置信度的比值 提升度至少要大于1

六、关联规则算法

基于关联规则的推荐算法：

Apriori算法

FPGrowth算法

PrefixSpan算法