关联规则

关 联 规 则 分 析

关联规则简介：

关联规则虽然来源于POS中，但是可以应用于很多领域。只要一个客户在同一个时间里买了多样东西，或者在一段时间了做了好几样事情就可能是一个潜在的应用。例如：

用信用卡购物，如汽车租金和旅馆费，可以看他下一个要买的东西。

电话公司提供的多项服务，以研究捆绑销售的问题。

银行提供的多项服务，来分析客户可能需要那些服务。

不寻常的多项保险申请可能是欺诈行为。

数据挖掘什么时候有用？三种规则：有用的、价值不高的、费解的。价值不高的规则往往是对一些商业领域内的规则重现。费解的规则往往是数据中一些偶然的东西，从而也没有什么采取行动的价值。
虚拟元素（Virtual Items）是一个在事务中认为加入的元素。用来对事务进行一定的区别。加入虚拟元素后我们能做的事情：

对比促销时和平常销售时的区别。

按照销售的区域来看，按照销售的方式来看。
比较城市和郊区的区别。

比较各个季节的不同。

数据挖掘的基本流程：

选择合适的元素。考虑不同的统计级别，选择哪种细节程度。细节的颗粒越粗，那么算法的工作量就越小；细节的颗粒越细，那么结果的可实施性就越好。关键：只有当数据中的元素出现的次数大致相同是，关联规则的效果才最好。虚拟元素不能太多！应该注意数据的质量。

产生规则。什么是规则？就是一个条件和一个结果的和：If condition then result。实际中有用的往往是结果中只有一个元素的情况。支持度、可信度和提高率（兴趣度）。

元组
出现频率
A 45%  B 42.5%  C 40%    A和B   25%    A和C   20%  B和C  15%    A和B和C  5%

支持度：就是一个元组在整个数据库中出现的概率。如上面的例子中S(A)=0.45。

可信度：它是针对规则而言的。对于一般的规则，它的可信度=p（condition and result）/p（condition）。例如有如下规则：If B and C then A。则它的可信度是：p（B and C and A）/p（B and C）=5%/15%=0.33。

提高率（或者叫兴趣度）：对于上面的一个规则，我们可以发现，当我们从从数据库中直接取A的时候，概率是45%；可在我们的规则中，取到A的概率却只有33.3%。显然，这种情况是我们不愿意见到的，我们应该略去这样的一些规则。所以我们引入了兴趣度的概念，具体的公式如下：兴趣度=p(condition and result)/p(condition)*p(result)。当兴趣度大于1的时候，这条规则就是比较好的；当兴趣度小于1的时候，这条规则就是没有很大意义的。兴趣度越大，规则的实际意义就越好。

克服实际应用中数据量暴大的问题。当数据量增大时，要考虑的元素组就增长的很快了。

分裂规则：例如：If A and not B then C。

用关联规则的方法对序列规则的分析：

为了进行序列模式的分析，事务数据要满足额外的两个条件：

一个时标或者序列信息用以决定事务发生的顺序。

标识信息，用以区别不同的事务。

可以用于原因结果分析。　

关联规则的优缺点：
优点：
它可以产生清晰有用的结果。

它支持间接数据挖掘。

可以处理变长的数据。

它的计算的消耗量是可以预见的。
缺点：

当问题变大时，计算量增长得厉害。

难以决定正确的数据。

容易忽略稀有的数据。

连接分析
引言
商业世界是关系的世界。

关联分析是基于图论的。

关联分析的应用：

² 分析打电话的模式。

² 理解医师之间的推荐模式。

² 犯罪分析。

图论基础
基本概念：节点、边、全连接、平面图、连接图、路径、带权图、最短路径问题。

例子：七桥问题、销售员问题（哈密而顿路径）NP(not polynomial)问题。

从中得出一个经验：有时候用一个可以得出好结果但不是完美结果的算法，要比能寻找完美解的算法来的好。对于数据挖掘也一样：不完美的结果如果是可行的，那么这样的分析就是一个好的分析。

案例学习
寻找使用 Fax Machines的用户

why?

数据：经过处理后，只剩下三个字段：持续时间，发出电话号，接收电话号。

方法：通过一组已知的号码来寻找其他的号码。

Dedicated fax，Shared，Data三个的区别。

处理过程：1：选择一些已知的Fax Machines号码

2：从已知的号码中拓展开去，得到candidate集。

如果打411，555-1212，或一个已知的shared号则归到shared号中；否则归入fax号中。

如此反复。

对于时间极短的号码，我们就认为是错误号码，从而忽略。

有向图：在有向图中寻找回路。

案例学习
使用连接分析对便携式电话用户进行分群，然后向某些群体提供新的服务。实际效果是将回馈率从2-3%提高到15%。

数据：
1. 打电话号码和接电话号码

2. 打电话的地方

3. 打电话用户的帐号

4. 电话持续时间

5. 时间、日期

6. 其他各种记号
未使用连接分析之前的工作：市场部主要使用一个变量进行分群：MOU（minutes of use），就是每个月某部电话的使用时间。

两个用户的比较：
连接分析的作用：1：可视化，从一些用户的行为中分析出一些模式。

2：将产生的概念应用于更广的用户群体中。

不等的节点
连接分析的优缺点
优点：

1．可以充分利用关系

2．强大的可视化能力

3．创建衍生属性

缺点：

1．对不少数据格式是不可行的。

2．工具太少

3．对关系数据库进行分析的效率不高