关联关系（一）.pptVIP

清华大学出版社 第2章 基本数据挖掘技术 之 二 关联规则 2.2 关联规则 关联分析（Association?Analysis） 关联分析是发现事物之间关联关系（Associations）的分析过程。 典型应用——就是购物篮分析（Market?Basket?Analysis）。 购物篮分析 确定顾客在一次购物中可能一起购买的商品，发现其购物篮中不同商品之间的联系，分析顾客的购买习惯，从而发现购买行为之间的关联。 关联关系以一组特殊的规则形式出现——关联规则（Association Rules） * 第*页，共15页 2.2.1 关联规则概述 一般表现为蕴涵式规则形式：X→Y。 其中—— X和Y分别称为关联规则的前提或先导条件（Antecedent）和结果或后继（Consequent）。 关联规则与产生式规则有两点不同 （1）在某条关联规则中以前提条件出现的属性可以出现在下一条关联规则的结果中。 （2）传统的用于分类的产生式规则的结果中仅能有一个属性，而关联规则中则允许其结果包含一个或多个属性。 * 第*页，共15页 【例2.4】 根据顾客实际购买行为数据（表2.3，值为1表示购买了该种商品；值为0表示未购买该种商品），分析顾客在网络购物中购买图书、运动鞋、耳机、DVD和果汁五种商品时，是否存在购买行为上的关联。 表2.3 网络购物交易记录表 序号 Book Sneaker Earphone DVD Juice 1 1 1 1 1 1 2 1 1 1 1 0 3 0 1 1 0 0 4 0 1 0 1 1 5 0 0 1 1 0 6 1 0 1 1 0 7 1 0 1 1 1 8 0 1 0 1 1 9 0 0 1 1 1 10 1 0 0 0 1 * 第*页，共15页 表2.3 网络购物交易记录表 置信度（Confidence）和支持度（Support） 若得到4条关联关系 （1）如果顾客购买了Sneaker（运动鞋），那么他们也会购买Earphone（耳机）。 （2）如果顾客购买了Book（图书），那么他们也会购买Juice（果汁）。 （3）如果顾客购买了Book（图书）和DVD，那么他们也会购买Earphone（耳机）。 （4）如果顾客购买了Book（图书）、Sneaker（运动鞋）和Earphone（耳机），那么他们也会购买DVD。 使用置信度度量每个关联规则在前提条件下结果发生的可能性。 关联关系（1）的置信度为：3/5 = 60%。 使用支持度度量包含了关联关系中出现的属性值的交易占所有交易的百分比。 关联关系（1）的支持度为：3/10 = 30% 关联分析过程中设置置信度和支持度的阈值，当得到的关联关系达到置信度和支持度的阈值时，这样的关联关系被认为是有趣的，而保留下来应用到实际问题中。 * 第*页，共15页 2.2.2 关联分析 1993年，阿戈沃（Agrawal）等人提出了著名的关联分析算法——Apriori算法。 Apriori算法的基本思想 （1）生成条目集（Item Sets）。条目集是符合一定的支持度要求的“属性-值”的组合。那些不符合支持度要求的“属性-值”组合被丢弃，因此，规则的生成过程可以在合理的时间内完成。 （2）使用生成的条目集创建一组关联规则。 * 第*页，共15页 【例2.5】 将表2.3作为数据集，使用Apriori算法进行关联分析，产生描述网络购买行为的关联规则。 步骤 （1）设置支持度阈值为50%，创建第一个条目集表，包含单项条目。 * 第*页，共15页 条目集 条目个数 符合支持度要求 结果 Book = 1 5 Yes 保留 Sneaker = 1 5 Yes 保留 Earphone = 1 7 Yes 保留 DVD = 1 8 Yes 保留 Juice = 1 6 Yes 保留 Book = 0 5 Yes 保留 Sneaker = 0 5 Yes 保留 Earphone = 0 3 No 删除 DVD = 0 2 No 删除 Juice = 0 4 No 删除 表2.4 网络购物行为关联分析条目表1 步骤 （2）设置支持度阈值为40%，创建第二个条目集表，包含双项条目 * 第*页，共15页 条目集 条目个数 符合支持度要求 结果 Book =1 Earphone = 1 4 Yes 保留 Book =1 DVD = 1 4 Yes 保留 Book =0 DVD = 1 4 Yes 保留 Sneaker =1 DVD = 1 4 Yes 保留 Sneaker =0 Earphone = 1 4 Yes 保留 Sneaker =0 DVD = 1 4 Yes 保留 Earphone = 1 DVD = 1 6 Yes 保留 DVD = 1 Juice