挖掘用户购物信息--关联规则

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

背景介绍

通过挖掘客户购物信息，发现存在于数据集中的关联性或相关性，进行智能推荐。

关联规则(Association Rules)

1. 概念：
   反映一个事物与其他事物之间的相互依存性和关联性，是数据挖掘的一个重要技术，用于从大量数据中挖掘出有价值的数据项之间的相关关系。

2. Apriori算法原理：
   如果某个项集是频繁的，那么它的所有子集也是频繁的。如若{2,3}是频繁的，那么{2}、{3}也一定是频繁的。反过来同样，如果一个项集是非频繁集，那么它的所有超集也是非频繁的。如若{2,3}是非频繁的，那么{0,2,3}、{1,2,3}、{0,1,2,3}也是非频繁项。所以如果计算出{2,3}的支持度是非频繁的，那么{0,2,3}、{1,2,3}、{0,1,2,3}的支持度就不用计算了。

3. 项集和频繁集
   项集：项集就是项的集合，例如：{矿泉水，泡面，火腿} 这是一个3项集，项集的出现频度是包含项集的事务数，把它记作支持度计数，通俗的来说，假设有三个顾客分别买了{矿泉水，泡面，火腿}、{矿泉水，泡面，火腿、牛栏山}、{矿泉水，火腿}。那么这个3项集的支持度计数就是2。
   频繁项集：如果我们预定义的支持度计数是2，也就是此时的支持度计数阈值为2，而上述的3项集的支持度计数是2，所以该3项集是频繁项集。

4. 支持度(support)和置信度(confidence)
   支持度确定规则可以用于给定数据集的频繁程度，而置信度确定Y在包含X的事务中出现的频繁程度。
   支持度(s)和置信度©这两种度量的形式定义如下：
   s(X→Y)=σ(X∪Y)/N
   c(X→Y)=σ(X∪Y)/σ(X)
   其中， σ(X∪Y)是(X∪Y)的支持度计数，N为事务总数，σ(X)是X的支持度计数。

5. 优缺点：
   优点：简单易懂，数据集要求较低
   缺点：候选频繁K项集数量巨大；需要对整个数据库进行扫描，非常耗时。

6. 应用场景：
   制定营销策略、价目表设计、商品促销、商品的排放和基于购买模式的顾客划分。

实例：
Apriori算法来寻找频繁k项集，最小支持度设置为50%，通过两轮迭代获取到频繁3项集{2,3,5}。组合关联规则如下。

  {
  2,3}>>5 confidence=2/2=