SPSS关联模型步骤.docxVIP

SPSS关联模型步骤

SPSSClementines预测分析模型----啤酒+尿片故事的实现机理（使用11版本实现）

SPSSClenmentines提供众多的预测模型，这使得它们可以应用在多种商业领域中：

如超市商品如何摆放可以提高销量；

分析商场营销的打折方案，以制定新的更为有效的方案；

保险公司分析以往的理赔案例，以推出新的保险品种等等，具有很强的商业价值。

超市典型案例

如何摆放超市的商品引导消费者购物从而提高销量，这对大型连锁超市来说是一个现实的营销问题。关联规则模型自它诞生之时为此类问题提供了一种科学的解决方法。该模型利用数据挖掘的技术，在海量数据中依据该模型的独特算法发现数据内在的规律性联系，进而提供具有洞察力的分析解决方案。通过一则超市销售商品的案例，利用“关联规则模型”，来分析商品交易流水数据，以其发现合理的商品摆放规则，来帮助提高销量。

关联规则简介

关联规则的定义

式1中面包是规则前项（Antecedent），牛奶是规则后项(Consequent)。实例数（Instances）表示所有购买记录中包含面包的记录的数量。

支持度（Support）表示购买面包的记录数占所有的购买记录数的百分比。

规则支持度（RuleSupport）表示同时购买面包和牛奶的记录数占所有的购买记录数的百分比。

置信度（confidence）表示同时购买面包和牛奶的记录数占购买面包记录数的百分比。

提升（Lift）表示置信度与已知购买牛奶的百分比的比值，提升大于1的规则才是有意义的。

关联规则?式1的支持度2%意味着，所分析的记录中的2%购买了面包。置信度60%表明，购买面包的顾客中的60%也购买了牛奶。如果关联满足最小支持度阈值和最小置信度阈值，就说关联规则是有意义的。这些阈值可以由用户或领域专家设定。就顾客购物而言，根据以往的购买记录，找出满足最小支持度阈值和最小置信度阈值的关联规则，就找到顾客经常同时购买的商品。

此处进行关联规则应用可以使用两种数据格式：1，交易数据格式，2，表格格式。

1.交易格式

CustomerID???????????????????????????????????ITEM

1???????????????????????????????????????????bread

2???????????????????????????????????????????jam

3???????????????????????????????????????????juice

3???????????????????????????????????????????jam

4???????????????????????????????????????????milk

2.表格格式

CustomerID???????????????bread?????????????????????jam????????????????juice????????????milk

1????????????????????????T?????????????????????????F??????????????????F?????????????????F

2????????????????????????F?????????????????????????T??????????????????F????????????????F

3????????????????????????F?????????????????????????T??????????????????T????????????????F

4????????????????????????F?????????????????????????F???????????????????F????????????????T

关联规则挖掘算法

Aprior、Carma和序列节点是常用的关联规则挖掘算法，它们都可以使用交易格式和表格格式数据进行挖掘处理。其中?Aprior算法，处理速度快，对包含的规则数没有限制，是一种最有影响的挖掘关联规则的方法。

本次试验将使用SPSS?Clementine11自带的安装目录下的Demos文件夹下的BASKETS1n数据。希望分析出哪些商品会和啤酒一起购买，以此来合理安排商品的摆放，进而提高啤酒的销量。

此数据属于表格格式数据，每条记录表示顾客的一次购物。记录的字段包括卡号、顾客基本信息、付款方式和商品名称（每个商品一个字段,该商品字段值为T,表示购买该商品,值为F表示未购买，具体可参考表2,表格格式数据）。商品名称都有f