数据挖掘方法入门——关联分析

1.什么是关联分析？

自然界中，某件事情发生时，其他事件也会发生，这种联系称为关联。关联分析就是为了寻找事物之间的一些有趣的关联关系。

最让人熟知的就是购物篮分析，商场在分析用户经常同时购买“啤酒、尿布“、“篮球”、“篮球服”等商品组合，于是将其放在一起以促进销售。这种关联关系的分析，不仅应用与网站设计者可以根据访客日志数据，发现访客浏览习惯和网站页面间的关系。

拿某个商场的交易数据中进行分析，数据集中有限的项目经过排列组合以后可以产生大量的关联规则，但是，只有一小部分的规则会是用户感兴趣的，因此需要引入一个“兴趣度”的概念帮助用户评估得到的关联规则。

而与兴趣度评估相关的度量包括：简洁性、正确性、实用性、新颖性

1）简洁性：太复杂的规则会让用户的兴趣度降低，也难以解释和理解

2）正确性：令人信服的程度有多高。

正确性的判断指标是置信度，表示这个规则正确的概率有多大。即在某一项x出现的前提下，另外一项y出现的频率是多少。

置信度confident（x=>y）=p(y|x)

3）实用性：判断该规则再次出现的可能性有多大，即这个指标的覆盖率。

实用性的判断指标是支持度，支持度越大说明规则应用越广泛，即xy同时出现的频率.

支持度support（x=>y）= p(x U y)

4）新颖性：判断规则是否已经被导出的另外一个规则作蕴含。

在这4个指标中，置信度和实用性是用来评判一条规则是强关联规则的依据。

强关联规则：同时满足用户定义的最小支持度阈值和最小置信度阈值的关联规则

弱关联规则：不满足最小支持度阈值和最小置信度阈值的关联规则

5）改善度：

期望可信度是在x没有影响的作用下y出现的频率，p(i)

改善度则是评估x的出现对y的出现的影响性。p(y|x)／p(x)越大,则改善度越高，说明x的出现对y的可能影响就越大。

1）布尔规则和量化规则

（1）布尔规则：性别=女=》职业=老师

（2）量化规则：性别=女=》平均收入=2300

量化关联规则可以直接对原始数据进行处理，或先对数值型属性进行分区间进行动态分割

2）单层规则和多层关联规则

在单层规则中，所有的项不考虑现实数据的多层性，而在实际应用中，涉及不同的抽象层发现的多层关联规则则是一种更有用的关联规则，因为属性之间存在一种层次关系。

（1）不涉及不同抽象层的项的规则称为单层关联规则

adidas篮球=》nike篮球服

（2）较高层次和较低层次之间规则称为多层关联规则

adidas篮球=》篮球服

3）单维规则和多维规则

（1）单维关联规则：处理同一个属性或维度内的联系。

adidas篮球=》nike篮球服

（2）多维关联规则：多个属性或维度之间的联系。

用户的年龄和购买物品