关联分析及案例应用参照.pdf

关联分析及案例应用 - [ 数据挖掘 ] 2010-07-28 版权声明 ：转载时请以超链接形式标明文章原始出处和作者信息及 本声明 /logshtml 简单谈谈关联分析 准备分 3 个部分来介绍： 第一部分 关联分析（ association ）简介及模型实现关键点 第二部分 关联分析在 clementine 中的具体案例实现 第三部分 时序分析在 clementine 中的具体案例实现 今天先谈谈第一部分 1、 关联分析是一种无监督机器学习方法，用来发掘经常一起发生的事情。在企 业营销中主要应用于产品搭配销售 cross-selling 。 分析：买了 a （和b）的人还买了 c 即特征 1 和特征 2 发生，特征 3 伴随 发生 时序分析 买了 a 的人，然后再买了 b，最后又买了 c 二者区别：关联分析，一次购物，买了什么会买什么。 时序分析，这次购物，下次会买什么。（零售、流程改进、网络日 志分析） 2、 在 clementin 中的数据格式： apriori 可以接受 2 中排列方式，但只接受名 义字段，且字段在方向设定时必须为 both 。GRI 和 CARMA只能接受第一种排 列方式 3、关于阀值的设定： 支持度和置信度， 定多少才合适？没有最合适， 当然是这两个值越高出来的规则 越有说服力， 但这样的规则往往很难得到。 所以我个人认为只要符合业务需求且 合理，都可以进行部署。 建议将支持度和置信度从低往高不断调整， 查看规则的 变化情况。 举个简单的例子，某条规则置信度为 90%，规提升水平为 2，而支持度只有 1%， 原始数据量有 1000 万。请问，这条规则是否有意义？我们可以看到这条规则的 规模有 10 万，且有较高的置信水平，所以它的实际部署能力还是比较强的。 4 、再说说提升水平 lift 这个参数。 假定设定规则的最小阀值为支持度 30%，置信度为 60%，然后你得到了很多的 强关联规则。 比如有这么一条， 总数据 10000 个，A 商品 6000 个，B 商品 7500 个，然后同时购买 A 和 B 的 4000 个。我们发现 A-B （即购买了 a 的同时购买 b）这条规则也是一条强关联规则。支持度为 =4000/1000o=40%，置信度 =4000/6000=66.7%. 但是我们发现原总数据集中，购买 b 产品的比例有 75%，要大于 66.%，即购 买 a 产品会对购买 b 产品产生反向作用， 即负相关。所以才有了 lift 这样一 个参数，来弥补支持度和置信度在解释规则方面的不足： Lift= P(AUB) / P(A)P(B) 当 lift=1 时，A、B 互相独立 当 lift1 时，A、B 负相关 当 Lift1 时，A、B 正相关 即 A/B 中一个的出现，都提升了另外一个出现 的可能性。 关联分析在 clementine 中的具体案例实现 - [ 数据 挖掘 ] 2010-08-09 版权声明 ：转载时请以超链接形式标明文章原始出处和作者信息及 本声明 /logshtml 接着上篇文章 第一部分 关联分析（ ass