别看这几个公式不起眼,数据分析倒是用的很普遍,所以最好记住啊,记不住也没关系,我都总结好了
一般使用三个指标来度量一个关联规则,根据这三个指标可以筛选出满足条件的关联规则。
这三个指标是:
S
u
p
p
o
r
t
(
支
持
度
)
Support(支持度)
Support(支持度)、
C
o
n
f
i
d
e
n
c
e
(
置
信
度
)
Confidence(置信度)
Confidence(置信度)、
L
i
f
t
(
提
升
度
)
Lift(提升度)
Lift(提升度)。
以
X
,
Y
X,Y
X,Y这个关联规则为例来说明:
先验前提:
X
,
Y
X,Y
X,Y表示为商品,现有一商场,统计一天内的订单小票。
1. Support(支持度):
表示同时购买
X
、
Y
X、Y
X、Y的订单数占总订单数(研究关联规则的“长表”中的所有购买的产品的订单数)的比例。如果用
P
(
X
)
P(X)
P(X)表示购买
X
X
X的订单比例,其他产品类推,那么
S
u
p
p
o
r
t
(
X
,
Y
)
=
P
(
X
,
Y
)
P
(
A
l
l
)
=
同
时
购
买
{
X
,
Y
}
的
订
单
数
总
订
单
数
Support(X,Y) = \frac{P(X,Y)}{P(All)}=\frac{同时购买\{X,Y\}的订单数}{总订单数}
Support(X,Y)=P(All)P(X,Y)=总订单数同时购买{X,Y}的订单数
2. Confidence(置信度)
表示购买
X
X
X的订单中同时购买
Y
Y
Y的比例,即同时购买
X
X
X和
Y
Y
Y的订单数占购买
X
X
X的订单的比例。公式表达:
C
o
n
f
i
d
e
n
c
e
(
X
−
>
Y
)
=
P
(
Y
/
X
)
=
P
(
X
,
Y
)
P
(
X
)
=
同
时
购
买
{
X
,
Y
}
的
订
单
数
购
买
X
的
订
单
数
Confidence(X->Y) =P(Y/X) =\frac{P(X,Y)}{P(X)}=\frac{同时购买\{X,Y\}的订单数}{购买X的订单数}
Confidence(X−>Y)=P(Y/X)=P(X)P(X,Y)=购买X的订单数同时购买{X,Y}的订单数
C o n f i d e n c e ( Y − > X ) = P ( X / Y ) = P ( X , Y ) P ( Y ) = 同 时 购 买 { X , Y } 的 订 单 数 购 买 Y 的 订 单 数 Confidence(Y->X) =P(X/Y) =\frac{P(X,Y)}{P(Y)}=\frac{同时购买\{X,Y\}的订单数}{购买Y的订单数} Confidence(Y−>X)=P(X/Y)=P(Y)P(X,Y)=购买Y的订单数同时购买{X,Y}的订单数
3. Lift(提升度):
L i f t ( X − > Y ) = P ( X , Y ) P ( X ) P ( Y ) = P ( Y / X ) P ( Y ) = 同 时 购 买 { X , Y } 的 订 单 数 × 总 订 单 数 购 买 X 的 订 单 数 × 购 买 Y 的 订 单 数 Lift(X->Y) =\frac{P(X,Y)}{P(X)P(Y)} =\frac{P(Y/X)}{P(Y)}=\frac{同时购买\{X,Y\}的订单数\times总订单数}{购买X的订单数\times购买Y的订单数} Lift(X−>Y)=P(X)P(Y)P(X,Y)=P(Y)P(Y/X)=购买X的订单数×购买Y的订单数同时购买{X,Y}的订单数×总订单数
- 提升度反映了关联规则中的 X X X重点内容与 Y Y Y的相关性;
- 提升度 > 1 >1 >1 且越高表明正相关性越高;
- 提升度 < 1 <1 <1 且越低表明负相关性越高;
- 提升度 = 1 =1 =1 表明没有相关性。