Day12：深入理解关联规则分析

在数据科学的世界里，关联规则分析是一种强大的工具，它能帮助我们发现数据项之间的有趣关系。本文将详细介绍关联规则分析的基本概念、Apriori算法的工作原理，并通过实际案例展示如何应用这些技术来挖掘数据的潜在价值。

关联规则分析简介

关联规则分析是一种用于发现变量之间有趣关系的统计方法，最著名的案例之一是“啤酒与尿布”的故事。这个发现不仅改变了零售业的商品摆放策略，也展示了数据分析在商业决策中的重要性。

基本概念

• 事务库：存储用户行为数据的集合。
• 事务：单个交易或事件的记录。
• 项和项集：事务中的商品集合。
• 关联规则：表示项集之间关系的规则，如X → Y。

支持度、置信度和提升度

• 支持度：项集在所有事务中出现的频率。
• 置信度：在先件X发生的条件下，后件Y发生的条件概率。
• 提升度：衡量规则有效性的指标，大于1表示规则有效。