机器学习算法应用——关联规则分析（4-4）

关联规则分析（4-4）

关联规则分析（Association Rule Mining）是一种基于频繁项集的分析方法，它以最常出现在一起的元素之间的关系作为分析对象，主要用于发掘大数据中隐藏的关联规则，是数据挖掘技术的重要组成部分。关联规则分析的应用非常广泛，包括但不限于以下几个方面：

1. 发现物品之间的关联性：通过发现某些物品经常出现在一起，从而发现两个物品之间的关联性。例如，在购买计算机的顾客中，有20%的人也同时购买了打印机。
2. 预测消费者行为：当消费者购买某一物品时，可以利用关联规则分析来预测他们会购买哪些其他物品。例如，当顾客购买了牛奶和面包时，系统可以推荐给他们黄油或果酱。
3. 电商交叉销售：在电商平台上，关联规则可以用于交叉销售。通过分析用户的购买历史，找出不同商品之间的关联关系，可以为用户推荐其他相关商品。例如，当用户购买了一台电视机时，可以推荐给他们音响或电视机支架。
4. 商品陈列优化：关联规则可以用于优化商品陈列。通过分析商品销售数据，挖掘出不同商品之间的关联关系，可以调整商品陈列的位置。例如，如果某个商品与其他商品之间存在较强的关联关系，可以将它们放在相同的陈列区域，以提高销售额。
5. 预防保健：关联规则可以用于预防保健。通过分析人群的健康数据，挖掘出不同健康指标之间的关联关系，可以为人们提供个性化的健康建议。例如，如果某个人的体重超标，可以建议他进行减肥并加强运动。

关联规则分析的具体方法包括Apriori算法等。Apriori算法是一种经典的关联分析算法，它通过逐层搜索的方式发现频繁项集。该算法首先扫描数据集，统计每个项的支持度，然后根据最小支持度阈值生成候选项集。接下来，通过连接和剪枝操作，逐渐生成更大的候选项集，直到不能再生成新的频繁项集为止。最后，根据频繁项集生成关联规则，并计算它们的置信度。

需要注意的是，关联分析方法在实际应用中需要注意以下几点：首先，选择合适的支持度和置信度阈值，以过滤掉不重要的规则，提高关联分析的效率和准确性。其次，处理大规模数据集时需要考虑算法的效率，选择合适的关联分析算法以提高计算效率。最后，关联分析结果需要结合业务实际进行解释和应用，在发现了关联规则之后，需要进一步分析规则的意义，结合实际情况进行解释，并制定相应的营销策略或业务决策。

1. 安装mlxtend库

        pip install mlxtend

1. 数据读取与预处理

# 步骤2：数据读取与预处理
data = {
    'I1': ['西红柿', '排骨', '鸡蛋', '毛巾', '水果刀', '苹果'],
    'I2': ['西红柿', '茄子', '水果刀', '香蕉'],
    'I3': ['鸡蛋', '袜子', '毛巾', '肥皂', '苹果', '水果刀'],
    'I4': ['西红柿', '排骨', '茄子', '毛巾', '水果刀'],
    'I5': ['西红柿', '排骨', '酸奶', '苹果'],
    'I6': ['鸡蛋', '茄子', '酸奶', '肥皂', '苹果', '香蕉'],
    'I7': ['排骨', '鸡蛋', '茄子', '水果刀', '苹果'],
    'I8': ['土豆', '鸡蛋', '袜子', '香蕉', '苹果', '水果刀'],
    'I9': ['西红柿', '排骨', '鞋子', '土豆', '香蕉', '苹果']
}

transactions = list(data.values())

1. 使用TransactionEncoder将上图中列表转换为下图中所示DataFrame

# 步骤3：使用TransactionEncoder将列表转换为DataFrame
te = TransactionEncoder()
te_ary = te.fit(transactions).transform(transactions)
print(te_ary)
df = pd.DataFrame(te_ary, columns=te.columns_)

1. 使用apriori算法挖掘频繁项集（最小支持度为0.3），并输出结果

# 步骤4：使用apriori算法挖掘频繁项集（最小支持度为0.3），并输出结果
frequent_itemsets_apriori = apriori(df, min_support=0.3, use_colnames=True)
print("使用Apriori算法挖掘频繁项集:")
print(frequent_itemsets_apriori.to_string(index=False))

（4）使用FP-growth算法挖掘频繁项集（最小支持度为0.3），并输出结果，与上一问结果进行对比

# 步骤5：使用FP-growth算法挖掘频繁项集（最小支持度为0.3），并输出结果，与上一问结果进行对比
frequent_itemsets_fpgrowth = fpgrowth(df, min_support=0.3, use_colnames=True)
print("\n使用FP-growth算法挖掘频繁项集:")
print(frequent_itemsets_fpgrowth.to_string(index=False))

（5）生成强规则(最小置信度为0.5, 提升度>1)，并输出结果

# 步骤6：生成强规则(最小置信度为0.5, 提升度>1)，并输出结果
rules = association_rules(frequent_itemsets_apriori, metric="confidence", min_threshold=0.5)
rules = rules[rules['lift'] > 1]
print("\n强规则:")
print(rules.to_string(index=False))

完整代码：

import pandas as pd
from mlxtend.preprocessing import TransactionEncoder
from mlxtend.frequent_patterns import apriori, fpgrowth, association_rules

# 步骤2：数据读取与预处理
data = {
    'I1': ['西红柿', '排骨', '鸡蛋', '毛巾', '水果刀', '苹果'],
    'I2': ['西红柿', '茄子', '水果刀', '香蕉'],
    'I3': ['鸡蛋', '袜子', '毛巾', '肥皂', '苹果', '水果刀'],
    'I4': ['西红柿', '排骨', '茄子', '毛巾', '水果刀'],
    'I5': ['西红柿', '排骨', '酸奶', '苹果'],
    'I6': ['鸡蛋', '茄子', '酸奶', '肥皂', '苹果', '香蕉'],
    'I7': ['排骨', '鸡蛋', '茄子', '水果刀', '苹果'],
    'I8': ['土豆', '鸡蛋', '袜子', '香蕉', '苹果', '水果刀'],
    'I9': ['西红柿', '排骨', '鞋子', '土豆', '香蕉', '苹果']
}

transactions = list(data.values())

# 步骤3：使用TransactionEncoder将列表转换为DataFrame
te = TransactionEncoder()
te_ary = te.fit(transactions).transform(transactions)
print(te_ary)
df = pd.DataFrame(te_ary, columns=te.columns_)

# 步骤4：使用apriori算法挖掘频繁项集（最小支持度为0.3），并输出结果
frequent_itemsets_apriori = apriori(df, min_support=0.3, use_colnames=True)
print("使用Apriori算法挖掘频繁项集:")
print(frequent_itemsets_apriori.to_string(index=False))

# 步骤5：使用FP-growth算法挖掘频繁项集（最小支持度为0.3），并输出结果，与上一问结果进行对比
frequent_itemsets_fpgrowth = fpgrowth(df, min_support=0.3, use_colnames=True)
print("\n使用FP-growth算法挖掘频繁项集:")
print(frequent_itemsets_fpgrowth.to_string(index=False))

# 步骤6：生成强规则(最小置信度为0.5, 提升度>1)，并输出结果
rules = association_rules(frequent_itemsets_apriori, metric="confidence", min_threshold=0.5)
rules = rules[rules['lift'] > 1]
print("\n强规则:")
print(rules.to_string(index=False))