python --深入浅出Apriori关联分析算法Apriori关联...

 

 一、基础知识

上次我们介绍了几个关联分析的概念，支持度，置信度，提升度。这次我们重点回顾一下置信度和提升度：

置信度（Confidence）：置信度是指如果购买物品A，有较大可能购买物品B。计算方式是这样：

置信度( A -> B) = （包含物品A和B的记录数量） / （包含 A 的记录数量）

举例：我们已经知道，(牛奶，鸡蛋)一起购买的次数是两次，鸡蛋的购买次数是4次。那么置信度Confidence(牛奶->鸡蛋)的计算方式是Confidence(牛奶->鸡蛋)=2 / 4。
提升度（Lift）：提升度指当销售一个物品时，另一个物品销售率会增加多少。计算方式是：

提升度( A -> B) = 置信度( A -> B) / (支持度 A)

举例：上面我们计算了牛奶和鸡蛋的置信度Confidence(牛奶->鸡蛋)=2/4。牛奶的支持度Support(牛奶)=3 / 5，那么我们就能计算牛奶和鸡蛋的支持度Lift(牛奶->鸡蛋)=0.83

当提升度(A->B)的值大于1的时候，说明物品A卖得越多，B也会卖得越多。而提升度等于1则意味着产品A和B之间没有关联。最后，提升度小于1那么意味着购买A反而会减少B的销量。

举个例子，有了这个指标，你就能看出卖越多的汉堡就会卖越多的番茄酱。但卖越多的沐浴露，则可能香皂的销量会下降。

二. 关联规则

我们前面已经用Apriori得到频繁项集了。那么我们就可以在频繁项集的基础上，找到这里面的关联规则。而计算关联规则所用到的，就是我们上面所说的置信度和提升度。

这里有一点要注意，当我们发现置信度(A->B)很高的时候，反过来的值置信度(B->A)不一定很高。

一个物品的关联结果是非常多的。但好在，我们上一节学习了Apriori思想。运用在置信度上也是合适的：

如果一个关联结果的置信度低，那么它的所有超集的置信度也低。

这样一来，我们就能节省很多的计算量。

三. Apriori关联规则实战

我们还是用mlxtend库，根据上一篇找到的频繁项集，计算出它们的关联规则。在此之前，还是先介绍一下相应API的参数。