商務智能理論與應用7-關聯規(guī)則

1關聯規(guī)則2023/2/2一、關聯規(guī)則的定義2關聯規(guī)則一般用以發(fā)現事務數據庫中不同商品（項）之間的聯系，用這些規(guī)則找出顧客的購買行為模式。這種規(guī)則可以應用于超市商品貨架設計、貨物擺放以及根據購買模式對用戶進行分類。2023/2/23二、關聯規(guī)則：基本概念（一）支持度與置信度AA∩BB買尿布的客戶二者都買的客戶買啤酒的客戶2023/2/2置信度confidence(.)：是指購物籃分析中有了左邊商品，同時又有右邊商品的交易次數百分比，也就是說在所有的購買了左邊商品的交易中，同時又購買了右邊商品的交易概率。

41、置信度2023/2/22、支持度支持度sup(.)：表示在購物籃分析中同時包含關聯規(guī)則左右兩邊物品的交易次數百分比，即支持這個規(guī)則的交易的次數百分比。52023/2/2例：6對于規(guī)則ACsupport=support({A,

C})=50%confidence=support({A,

C})/support({A})=66.6%2023/2/2交易項目成交次數夾克，球鞋300滑雪衫，球鞋100夾克，滑雪衫，球鞋100球鞋50慢跑鞋40夾克，慢跑鞋100滑雪衫，慢跑鞋200襯衣10夾克40滑雪衫60合計10007表1運動鞋Y1單獨購買合計球鞋Y11慢跑鞋Y12上衣X襯衣X11010外套X2夾克X2140010040540滑雪衫X2220020060460單獨購買5040合計65034010008表2規(guī)則“夾克→球鞋”的計算92023/2/2運動鞋Y1單獨購買合計球鞋Y11慢跑鞋Y12上衣X襯衣X11010外套X2夾克X211001滑雪衫X2218980899單獨購買090090合計298810100010表3存在的問題：111.高置信度，低支持度：夾克球鞋”的置信度高達100％，但因為只有一人買了球鞋，這條關聯規(guī)則支持度只有千分之一。2.支持度、置信度都比較高，但幾乎是沒有作用的規(guī)則?！百I方便面則買牛奶”，“買牙刷則買牛奶”，“喜歡野外休閑則會買牛奶”。2023/2/2121、關聯規(guī)則的分類二、關聯規(guī)則的分類與作用2023/2/2布爾型關聯規(guī)則與數值型關聯規(guī)則布爾型關聯規(guī)則處理的值都是離散的、種類化的，它顯示了這些變量之間的關系；數值型關聯規(guī)則可以和多維關聯或多層關聯規(guī)則結合起來，對數值型字段進行處理，將其進行動態(tài)的分割，或者直接對原始的數據進行處理，當然數值型關聯規(guī)則中也可以包含種類變量。2023/2/213如果關聯規(guī)則中的項或屬性每個只涉及一個維，則它是單維關聯規(guī)則；反之，為多維關聯規(guī)則。如，計算機→財務軟件；年齡30～39歲、月收入4000元以上→高清電視如果在給定的規(guī)則集中，規(guī)則不涉及不同抽象層的項或屬性，就稱單層關聯規(guī)則；反之，稱多層。142023/2/22、關聯規(guī)則的作用15購物籃分析：關聯規(guī)則就是要找出哪些產品總是會同時出現在客戶的購物籃中。商品擺放，基于商店不同的經營理念，如果將會經常一起購買的東西較近擺放，客戶會比較方便購買，如果有意放在購物通道的兩端，顧客尋找的過程中可以增加其他物品銷售的可能性。關聯規(guī)則可以處理所謂的匿名消費。（一張發(fā)票就是一個購物籃——與決策樹和類神經網絡不同。）關聯規(guī)則與時序規(guī)則相結合（不能匿名，適合會員制）。先找出來哪些事務總是同時發(fā)生的關聯規(guī)則，再加入時間的因素，找出哪些事務總是會先后發(fā)生的潛在規(guī)律。2023/2/2另外，只有同一個購物籃的商品信息能夠分析的項目也很有限，因此，可以將氣象資訊（溫度、濕度、降雨）等轉換為虛擬的商品項目，并入到購物籃中進行關聯規(guī)則的分析。如，日本7-11相當著名的“七五三”規(guī)則。即是說如果一天當中溫度相差7度、今天和昨天的溫度差到5度、濕度差大于30%的話，代表感冒的人會增加，藥店就要考慮把感冒藥、溫度計和口罩之類的用品上架。162023/2/2三、

關聯規(guī)則的挖掘172023/2/2（一）關聯規(guī)則挖掘的步驟第一步：找出所有頻繁項集：根據定義，這些項集出現的頻繁性（支持度）至少和預定義的最小支持度一樣。第二步：由頻繁項集產生強關聯規(guī)則：根據定義，這些規(guī)則必須滿足最小支持度和最小置信度。182023/2/219對于一個給定的候選數據集，項集的數目呈指數增長。2023/2/2（二）Apriori演算法關聯規(guī)則計算雖然容易但由于規(guī)則太多容易形成“組合爆炸”，因此，需要對這些規(guī)則進行篩選，篩選需要的統計量如下：最小支持度：規(guī)則必須符合的最小支持度閥值。最小置信度：計算規(guī)則所必須符合的最低置信度閥值。如果關聯規(guī)則滿足最小支持度和最小置信度，可以說該規(guī)則是有趣的。202023/2/21、算法所需要的前置統計量：2、頻繁項集項的集合稱為項集（itemset）包含k個項的項集稱為k-項集。集合{計算機，金融管理軟件}就是一個2-項集。項集出現頻數是包含項集的事務數，簡稱為項集的頻數、支持計數或計數。212023/2/2如果項集滿足最小支持度或滿足min_sup與數據庫中事務總數的乘積（即最小支持計數），則稱它為頻繁項集(frequentitemset)。頻繁k-項集的集合通常記作Lk。2023/2/22223對于A

C：support=support({A、C})=50%confidence=support({A、C})/support({A})=66.6%最小支持度50%最小可信度50%例：2023/2/24、Apriori算法：使用候選項集找頻繁項集Apriori算法是一種最有影響的挖掘布爾關聯規(guī)則頻繁項集的算法。算法的名字基于這樣的事實：算法使用頻繁項集性質的先驗知識。它使用一種稱作逐層搜索的迭代方法，k-項集用于探索(k+1)-項集。首先，找出頻繁1-項集的集合。該集合記作L1。L1用于找頻繁2-項集的集合L2，而L2用于找L3，如此下去，直到不能找到頻繁k-項集。找每個Lk需要一次數據庫掃描。242023/2/2例125數據庫D掃描DC1L1L2C2C2掃描DC3L3掃描D2023/2/2為什么只有一項？26例：L3={abc,abd,acd,ace,bcd}連接:L3*L3abcdfromabcandabdacdefromacdandace修剪:acdeisremovedbecauseadeisnotinL3C4={abcd}2023/2/2Apriori——剪枝頻繁項集的任何子集也一定是頻繁的。例3：273、Apriori算法的實現過程282023/2/24、由頻繁項集產生關聯規(guī)則一旦找出頻繁項集，再通過最小置信度產生關聯規(guī)則。關聯規(guī)則的產生步驟如下：對于每個頻繁項集l，產生l的所有非空子集。對于l的每個非空子集s，如果則輸出規(guī)則“s→(l-s)”。292023/2/2以例3為例，看其中一個頻繁項集l={I1,I2,I5}，可以由l產生哪些關聯規(guī)則？l的非空子集有{I1,I2}{I1,I5}{I2,I5}{I1}{I2}{I5}。結果關聯規(guī)則如下，每個都列出了置信度。如果最小置信度閥值為70%，則只有第2、3和最后一個規(guī)則可以輸出。302023/2/2真正可取的規(guī)則具備的條件31并非所有的規(guī)則在符合閥值限制后都是有意義的，這樣的規(guī)則還分為：有用的規(guī)則：包含高品質的有效情報常識無法解釋的結果關聯規(guī)則真正可取的是具備以下兩個條件的規(guī)則：人們常識之外、意料之外的關聯該規(guī)則必須具有潛在的作用2023/2/25、案例2023/2/2322023/2/23334Apriori算法的核心:用頻繁的(k–1)-項集生成候選的頻繁k-項集用數據庫掃描和模式匹配計算候選集的支持度Apriori的瓶頸:候選集生成巨大的候選集:104個頻繁1-項集要生成107個候選2-