1、关联分析关联规则挖掘的提出l 关联规则挖掘的典型案例：购物篮问题l 在商场中拥有大量的商品（项目），如：牛奶、面包等，客户将所购买的商品放入到自己的购物篮中。l 通过发现顾客放入购物篮中的不同商品之间的联系，分析顾客的购买习惯l 哪些物品经常被顾客购买？l 同一次购买中，哪些商品经常会被一起购买？l 一般用户的购买过程中是否存在一定的购买时间序列？l 具体应用：利润最大化l 商品货架设计：更加适合客户的购物路径l 货存安排 ：实现超市的零库存管理l 用户分类 ：提供个性化的服务其他典型应用l 相关文献的收集l 购物篮 = 文档（ Document）l 项 目 = 单词（ Word）l 相关网站
2、的收集l 购物篮 = 词句 （ Sentences）l 项 目 =链接文档 （ Document）什么是关联规则挖掘 ?l 关联规则挖掘l 简单的说，关联规则挖掘发现大量数据中项集之间有趣的关联l 在交易数据、关系数据或其他信息载体中，查找存在于项目集合或对象集合之间的频繁模式、关联、相关性、或因果结构。l 应用l 购物篮分析 、 交叉销售、产品目录设计 、 loss-leader analysis、 聚集、分类等。关联规则挖掘形式化定义l 给定 :l 交易数据库 l 每笔交易是 ： 一个项目列表 (消费者一次购买活动中购买的商品 )l 查找 : l 所有描述一个项目集合与其他项目集合相关性的
3、规则l 应用l * 护理用品 (商店应该怎样提高护理用品的销售？ )l 家用电器 * (其他商品的库存有什么影响 ?)l 在产品直销中使用附加邮寄其它相关概念l 包含 k个项目的集合，称为 k-项集l 项集的出现频率是包含项集的事务个数，称为项集的频率、支持计数或者计数l 关联规则的基本形式：前提条件 结论 支持度 , 置信度 l buys(x, “diapers”) buys(x, “beers”) 0.5%, 60%l major(x, “CS”) takes(x, “DB”) grade(x, “A”) 1%, 75%关联规则兴趣度的度量值：支持度l 推导出的数据间的相关性可称为规则（或
4、模式），对规则兴趣度的描述采用支持度、置信度概念。l 支持度（ Support）： 规则 XY在交易数据库 D中的支持度是交易集中包含 X和 Y的交易数与所有交易数之比，记为 support(XY)，即support(XY)=|T:XY T， TD|/ |D|， 它是概率 P（ XY ）， 具体 表示为 ：S = 总交易数总交易数同时包含项目集同时包含项目集 X 和和 Y 的交易数的交易数购买商品 Y的交易同时购买商品 X和 Y的交易购买商品 X的交易关联规则兴趣度的度量值：置信度l 置信度（ Confidence）， 规则 XY在交易集中的置信度是指包含 X和 Y的交易数与包含 X的交易数之
5、比，记为 confidence(XY)，即 confidence(XY)=|T: XYT， TD|/|T:XT， TD|，它是概率 P（ X|Y ）， 具体 表示为 ：l 最小支持度和最小置信度用户（分析员）不关心可信程度太低的规则，因而用户需要输入两个参数：最小支持度和最小置信度。C = 购买商品购买商品 X的交易数的交易数同时购买商品同时购买商品 X和和 Y的交易数的交易数购买商品 Y的交易同时购买商品 X和 Y的交易购买商品 X的交易支持度和置信度举例l 零售商场销售分析：l 数据项为商品，记录集合为交易记录集合l 规则为： “购买商品 X的顾客，同时购买商品 Y”，即 X Y；l 设最小支持度为 0 .3；最小置信度也为 0.3。l 分析结果：频繁项集及其基本特征l 频繁项集的定义l 如果项集满足最小支持度，则称之为频繁项集（高频项集）l 频繁项集的基本特征l 任何频繁项集的子集均为频繁项集。例如： ABC是频繁项集，则 AB、 AC、 BC均为频繁项集l 在数据库表分区的情况下，一个项集是频繁的，则至少在一个分区内是频繁的
