事實上，你想買啥，電商網(wǎng)站都知道！當(dāng)我們在某電商網(wǎng)站搜索“數(shù)據(jù)挖掘”的書時，商品頁面會同時推薦一些其它類似的書籍，這里面就用到了“剁手黨們”天天接觸到的關(guān)聯(lián)規(guī)則挖掘技術(shù)。

關(guān)聯(lián)規(guī)則（Association Rules）是反映一個事物與其他事物之間的相互依存性和關(guān)聯(lián)性，如果兩個或多個事物之間存在一定的關(guān)聯(lián)關(guān)系，那么，其中一個事物就能通過其他事物預(yù)測到。關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘的一個重要技術(shù)，用于從大量數(shù)據(jù)中挖掘出有價值的數(shù)據(jù)項之間的相關(guān)關(guān)系。

關(guān)聯(lián)規(guī)則挖掘的最經(jīng)典的例子就是沃爾瑪?shù)钠【婆c尿布的故事。通過對超市購物籃數(shù)據(jù)進行分析，發(fā)現(xiàn)美國婦女們經(jīng)常會叮囑丈夫下班后為孩子買尿布，30%-40%的丈夫同時會順便購買喜愛的啤酒，超市就把尿布和啤酒放在一起銷售增加銷售額。所以關(guān)聯(lián)規(guī)則挖掘有時也叫購物籃分析。（注：本文所使用數(shù)據(jù)分析工具為億信華辰的億信BI）

關(guān)聯(lián)規(guī)則挖掘方法

一、支持度和置信度

要了解關(guān)聯(lián)規(guī)則，就要了解什么是“經(jīng)常同時購買”。這是通過支持度（support）與置信度（confidence）來衡量的。

支持度：support(A-->B) = |AB|/|N|

商品A和B（如啤酒和尿布） 同時出現(xiàn)在同一個購物清單中的數(shù)量 / 總的購物清單數(shù)。

置信度：confidence(A-->B) = |AB|/|A|

同時出現(xiàn)在同一個購物清單中的數(shù)量/A出現(xiàn)的數(shù)量。即規(guī)則A-->B的可信度。

可信度是對關(guān)聯(lián)規(guī)則的準(zhǔn)確度的衡量，支持度是對關(guān)聯(lián)規(guī)則重要性的衡量。

支持度說明了這條規(guī)則在所有事務(wù)中有多大的代表性，顯然支持度越大，關(guān)聯(lián)規(guī)則越重要。

關(guān)聯(lián)規(guī)則有很多不同的算法，下面介紹兩種最經(jīng)典的算法。

二、Apriori算法

Apriori算法是一種對有影響的挖掘布爾關(guān)聯(lián)規(guī)則頻繁項集的算法，通過算法的連接和剪枝即可挖掘頻繁項集。

Apriori算法將發(fā)現(xiàn)關(guān)聯(lián)規(guī)則的過程分為兩個步驟：

1. 通過迭代，檢索出事務(wù)數(shù)據(jù)庫中的所有頻繁項集，即支持度不低于用戶設(shè)定的閾值的項集；

2. 利用頻繁項集構(gòu)造出滿足用戶最小置信度的規(guī)則。

挖掘或識別出所有頻繁項集是該算法的核心，占整個計算量的大部分。

?

三、FP-Growth算法

FP-Growth算法通過構(gòu)造一個樹結(jié)構(gòu)來壓縮數(shù)據(jù)記錄，使得挖掘頻繁項集只需要掃描兩次數(shù)據(jù)記錄，而且該算法不需要生成候選集合，所以效率會比較高。FP-Growth算法主要步驟：

1. 利用數(shù)據(jù)集中的數(shù)據(jù)構(gòu)造FP-Tree。

從空集開始，將過濾和重排序后的頻繁項集依次添加到樹中。

?

2. 從FP-Tree中挖掘頻繁模式。

構(gòu)建好 FPFP 樹后，即可抽取頻繁項目集，其思路與 Apriori 算法類似——先從單元素頻繁項目集開始，然后逐步構(gòu)建更大的頻繁項目集。

?

關(guān)聯(lián)規(guī)則挖掘的步驟

接下來我們在WonderDM中介紹一下進行關(guān)聯(lián)規(guī)則挖掘的步驟。

準(zhǔn)備數(shù)據(jù)

我們準(zhǔn)備了某超市的一些購物籃數(shù)據(jù)。

?

該數(shù)據(jù)集有7個字段。根據(jù)關(guān)聯(lián)規(guī)則的挖掘特性，需要選擇一個事務(wù)字段和一個事項字段。不然發(fā)現(xiàn)，CARD_NO(卡號)字段同一卡號購買過多種不同商品，可作為事務(wù)字段，而GOODS(購買商品)字段可作為事項字段。另外，界面信息顯示，該數(shù)據(jù)集有2800條購買數(shù)據(jù)，由939個客戶(卡號)購買了11種不同商品，符合“經(jīng)常同時購買”的特征。

接下來我們開始用數(shù)據(jù)集訓(xùn)練一個合適的關(guān)聯(lián)規(guī)則模型。

訓(xùn)練模型

先創(chuàng)建一個挖掘過程，選擇關(guān)聯(lián)規(guī)則FP-Growth進入挖掘過程界面。

系統(tǒng)內(nèi)置了兩種關(guān)聯(lián)規(guī)則算法，他們的參數(shù)設(shè)置都一樣。我們選擇性能較好的FP-Growth算法。再選擇“購物籃”數(shù)據(jù)集，選擇CARD_NO字段為事務(wù)字段，GOODS字段為項字段，設(shè)置所有數(shù)據(jù)參與挖掘(100%抽樣)。最低支持度設(shè)置為5項，最小可信度設(shè)置為40%。注意，這兩個參數(shù)設(shè)置過大，可能挖掘不出關(guān)聯(lián)規(guī)則，可根據(jù)實現(xiàn)情況調(diào)整。點擊”訓(xùn)練模型”菜單查看訓(xùn)練出來的關(guān)聯(lián)規(guī)則。

?

如上圖所示，該模型挖掘到了100條關(guān)聯(lián)規(guī)則。每條關(guān)聯(lián)規(guī)則左邊代表。

系統(tǒng)雖然內(nèi)置了FP-Growth和Apriori兩種挖掘算法，而且操作方法一樣，但它們還是存在以下特點：

Apriori算法效率較低，計算過程中需要多次掃描整個數(shù)據(jù)集，占用較多的內(nèi)存和計算時間；

FP-Growth算法效率較高，只需要掃描兩次數(shù)據(jù)集，占用更少的內(nèi)存和計算時間。但對于長事務(wù)(同一事務(wù)，很多事項)，會造成FP樹深度過大，計算時間顯著增加。

所以在選擇算法時，絕大部分情況下，可以優(yōu)先選擇FP-Growth算法。

模型應(yīng)用

關(guān)聯(lián)規(guī)則模型的應(yīng)用同其它類型的挖掘模型，也是要先發(fā)布選擇好的關(guān)聯(lián)規(guī)則模型，再制作相應(yīng)的模型應(yīng)用用于關(guān)聯(lián)規(guī)則的顯示和查詢。這里就不重復(fù)講解了。

小 結(jié)

關(guān)聯(lián)規(guī)則挖掘的應(yīng)用領(lǐng)域非常多，但凡需要分析事物和事物間的頻繁模式的場景，都可以用到關(guān)聯(lián)規(guī)則挖掘。這項技術(shù)在一些眾所周知的行業(yè)有了許多成熟應(yīng)用，例如：

• 電商或零售業(yè)的商品推薦

• 百度文庫推薦相關(guān)文檔

• 醫(yī)療推薦可能的治療組合

• 生物研究中，發(fā)現(xiàn)有毒植物的共性特征，識別有毒植物

• 銀行推薦相關(guān)聯(lián)業(yè)務(wù)

• 搜索引擎推薦相關(guān)搜索關(guān)鍵詞

• 門戶網(wǎng)站通過點擊流分析熱點新聞

看到這些應(yīng)用，你是不是也想為你的系統(tǒng)增加智能推薦的神奇功能呢？

億信BI是億信華辰公司在多年數(shù)據(jù)分析挖掘、報表處理的技術(shù)經(jīng)驗基礎(chǔ)上，運用先進的數(shù)據(jù)倉庫、商務(wù)智能核心理論，經(jīng)過多年的潛心研發(fā)而推出的商務(wù)智能產(chǎn)品軟件。強大的分析引擎、成熟的并行計算技術(shù)，為數(shù)不多的可以面向業(yè)務(wù)人員的BI平臺。