Matlab关键规则挖掘尿片啤酒,数据挖掘：“啤酒＋尿布”的关联规则是怎么来的？...

关联，其实很简单，就是几个东西或者事情

是经常同时呈现

的，“啤酒＋尿布”就是十分

典型的两个关联商品。

假定

两项或多项属性之间存在关联，那么其中一项的属性值就能够

依据

其他属性值中止

预测。简单地来说，关联规则能够

用这样的方式来表示：A→B，其中A被称为前提或者左部(LHS)，而B被称为结果或者右部(RHS)。假定

我们要描画

关于尿布和啤酒的关联规则(买尿布的人也会买啤酒)，那么我们能够

这样表示：买尿布→买啤酒。 关联算法的两个概念 在关联算法中很重要的一个概念是支持度(Support)，也就是数据集中包含某几个特定项的概率。 比如

在1000次的商品买卖

中同时呈现

了啤酒和尿布的次数是50次，那么此关联的支持度为5%。 和关联算法很相关的另一个概念是置信度(Confidence)，也就是在数据集中曾经

呈现

A时，B发作

的概率，置信度的计算公式是 ：A与B同时呈现

的概率/A呈现

的概率。 数据关联是数据库中存在的一类重要的可被发现的学问

。若两个或多个变量的取值之间存在某种规律性，就称为关联。关联可分为简单关联、时序关联、因果关联等。关联剖析

的目的是找出数据库中躲藏

的关联网。有时并不知道

数据库中数据的关联函数，或者即便

知道

也是不肯定

的，因而

关联剖析

生成的规则带有置信度。 关联规则挖掘

发现大量数据中项集之间有趣的关联或相关联络

。它在数据挖掘中是一个重要的课题，最近几年已被业界所普遍

研讨

。 关联规则挖掘

的一个典型例子是购物篮剖析

。关联规则研讨

有助于发现买卖

数据库中不同商品(项)之间的联络

，找出顾客置办

行为方式

，如置办

了某一商品对置办

其他商品的影响。剖析

结果能够

应用于商品货架规划

、货存布置

以及依据

置办

方式

对用户中止

分类。 关联规则的发现过程可分为如下两步： 第一步是迭代辨认

一切

的频繁项目集(Frequent Itemsets)，央求

频繁项目集的支持度不低于用户设定的最低值； 第二步是从频繁项目集中结构

置信度不低于用户设定的最低值的规则，产生关联规则。辨认

或发现一切

频繁项目集是关联规则发现算法的中心

，也是计算量最大的部分

。 支持度和置信度两个阈值是描画

关联规则的两个最重要的概念。一项目组呈现

的频率称为支持度，反映关联规则在数据库中的重要性。而置信度权衡

关联规则的可信水平

。假定

某条规则同时满足最小支持度(min-support)和最小置信度(min-confidence)，则称它为强关联规则。 关联规则数据挖掘

阶段 第一阶段必需

从原始资料

汇合

中，找出一切

高频项目组(Large Itemsets)。高频的意义

是指某一项目组呈现

的频率相关于

一切

记载

而言，必需

抵达

某一水平

。以一个包含A与B两个项目的2-itemset为例，我们能够

求得包含{A,B}项目组的支持度，若支持度大于等于所设定的最小支持度(Minimum Support)门槛值时，则{A,B}称为高频项目组。一个满足最小支持度的k-itemset，则称为高频k-项目组(Frequent k-itemset)，普通

表示为Large k或Frequent k。算法并从Large k的项目组中再试图产生长度超越

k的项目集Large k+1，直到无法再找到更长的高频项目组为止。 关联规则挖掘

的第二阶段是要产生关联规则。从高频项目组产生关联规则，是应用

前一步骤的高频k-项目组来产生规则，在最小可信度(Minimum Confidence)的条件门槛下，若一规则所求得的可信度满足最小可信度，则称此规则为关联规则。 例如：经由高频k-项目组{A,B}所产生的规则，若其可信度大于等于最小可信度，则称{A,B}为关联规则。 就“啤酒＋尿布”这个案例而言，运用

关联规则挖掘

技术，对买卖

资料

库中的记载

中止

资料

挖掘

，第一

必需求

设定最小支持度与最小可信度两个门槛值，在此假定

最小支持度min-support=5% 且最小可信度min-confidence=65%。因而

契合

需求的关联规则将必需

同时满足以上两个条件。若经过挖掘

所找到的关联规则 {尿布，啤酒}满足下列条件，将可接受

{尿布，啤酒} 的关联规则。用公式能够

描画

为： Support(尿布，啤酒)≥5% and Confidence(尿布，啤酒)≥65%。 其中，Support(尿布，啤酒)≥5%于此应用范例中的意义为：在一切

的买卖

记载

资料

中，至少有5%的买卖

呈现尿布与啤酒这两项商品被同时置办

的买卖

行为。Confidence(尿布，啤酒)≥65%于此应用范例中的意义为：在一切

包含尿布的买卖

记载

资料

中，至少有65%的买卖

会同时置办

啤酒。 因而

，今后若有某消费者呈现

置办

尿布的行为，我们将可举荐

该消费者同时置办

啤酒。这个商品举荐

的行为则是依据

{尿布，啤酒}关联规则而定，由于

就过去的买卖

记载

而言，支持了“大部分

置办

尿布的买卖

，会同时置办

啤酒”的消费行为。 从上面的引见

还能够

看出，关联规则挖掘

通常比较

适用于记载

中的指标取离散值的状况

。 假定

原始数据库中的指标值是取连续的数据，则在关联规则挖掘

之前应该中止

恰当

的数据离散化(理论

上就是将某个区间的值对应于某个值)，数据的离散化是数据挖掘

前的重要环节，离散化的过程能否

合理将直接影响关联规则的挖掘

结果。 作者：通策信息首席运营官 谭磊 (原载于《天下网商·经理人》八月刊)

本文采用「CC BY-SA 4.0 CN」协议转载学习交流，内容版权归原作者一切

，如涉作品、版权和其他问题请联络

「我们」处置

。

赞助商推荐：数极客是新一代用户行为分析与数据智能平台，支持用户数据分析、运营数据分析、留存分析、路径分析、漏斗分析、用户画像、SEM数据分析等16种分析模型的数据分析产品，支持网站统计、网站分析、APP统计、APP分析等分析工具，以及会员营销系统和A/B测试工具等数据智能应用，支持SAAS和私有化部署,提升用户留存和转化率，实现数据驱动增长!

【独家稿件及免责声明】本站原创文章如需转载请联系我们，未经书面许可禁止转载，本站转载文章著作权归原作者所有，如有侵权请联系:。