1、关联分析 （笔记） 事物之间的关联关系包括：简单关联关系、序列关联关系。 简单关联规则 ：属于无指导学习方法，不直接用于分类预测，只揭示事物内部的结构。 Spss modeler 提供了 APriori、 GRI、 Carma等经典算法。 APriori和 Carma属于同类算法。 序列关联： 关联具有前后顺序，通常与时间有关。 SPSS Modeler 提供了 sequence 算法； 数据格式如下：按照事务表存储，同事需要时间变量。 关联关系 简单关联关系 序列关联关系 Apriori 只能处理分类变量 数据可以是按事务表存储，亦可事实表存储。 算法为提高关联规则的产生效率而设计 GRI不
2、但可以处理分类变量，前项也可是数值变量 数据只能按照 事实表 存储 采用深度优先搜索策略实现算法 简单关联规则要分析的对象是事务 事务的储存方式有 事务表 和 事实表 两种方式。 事务表 顾客 ID 项集 1 A 1 D 2 B 2 D 3 A 3 C 事实表 顾客 ID 项目 A 项目 B 项目 C 项目 D 1 1 0 0 1 2 0 1 0 1 3 1 0 1 0 两种表 均表明，顾客 1购买了 AD两种物品，顾客 2购买了 BD两种物品，顾客三购买了 AC 两种物品。 关联规则有效性的测度指标 1、 支持度 support：所有购买记录中， A、 B同时被购买的比例。 2、 置信度 c
3、onfidence：在购买 A的事务中，购买 B的比例。 关联规则实用性的测度指标 1、 提升度 lift：（在购买 A的事务中，购买 B的比例） /（所有事务中，购买 B的比例） 2、 置信差 3、 置信率、正态卡方、信息差等等 简单关联关系实例 例 1 数据格式：事实表 算法 :Apriori 所有购买项目均选入前项 antecedent和后项 consequent。 输出结果的最低支持度是 10%； 本例设定的划分频繁项集的标准 大于最小支持度 10%。 最小置信度是 80%； 前项最多项目数： 5 本例中，三项以上没有超过 10%的支持度，所以不能形成三项以上的频繁项集，最大的频繁项集
4、 大小 是 2。 结论解释： 实例：包含前项 beer、 cannedveg的样本有 167个，在 1000个样本中 前项支持度 为 16.7%。 规则支持度 ： 同时购买 beer、 cannedveg、 frozenmeal三项的支持度为 14.6%。 规则置信度 ： 购买 beer、 cannedveg的客户中， 87.425%的人有购买 frozenmeal。 规则 2下， 购买 frozenmeal的可能性比购买 frozenmeal的支持度提高 2.895倍。 例 2 数据格式：事实表 算法 :Apriori 本例前项选择 性别和家乡 ， 旨在 不同性别和地区客户的购买行为是否 存
5、在频繁项集。 由于 AGE 是数据类型变量，所以前项不能选入 AGE，可在 GRI算法中选入 AGE。 Sex=M 序列关联规则实例 例 1 数据格式：事务表 时间变量： time 算法： sequence 饮料 =啤酒：规则支持度 66.7%，规则置信度 100%。 饮料 =香肠：规则支持度 50%，规则置信度 75%。 啤酒 =香肠：规则支持度 50%，规则置信度 60%。 将最下置信度调整为 30%，结果为： 例 2 本例是客访问 网页的数据，包括浏览的内容和顺序等信息。模型旨在发现各类网页的浏览是否存在某种序列关系。 Customerguide：客户 ID URKcategory：网页浏览内容 sequenceID：浏览顺序，即时间顺序。 Flight= hotel，表示浏览航班网页的网民， 随后 86.6%的将浏览宾馆住宿的网页， 规则支持度 为 10.3%， 规则置信度 86.6%。 实例和支持度 都是前项的数据。
