關(guān)聯(lián)分析及案例應(yīng)用

關(guān)聯(lián)分析及案例應(yīng)用-[數(shù)據(jù)挖掘]-07-28版權(quán)申明：轉(zhuǎn)載時(shí)請(qǐng)以超鏈接形式標(biāo)明文章原始出處和作者信息及本申明簡(jiǎn)樸談?wù)勱P(guān)聯(lián)分析準(zhǔn)備分3個(gè)部分來簡(jiǎn)介：第一部分

關(guān)聯(lián)分析（association）簡(jiǎn)介及模型實(shí)現(xiàn)要點(diǎn)第二部分

關(guān)聯(lián)分析在clementine中的詳細(xì)案例實(shí)現(xiàn)第三部分

時(shí)序分析在clementine中的詳細(xì)案例實(shí)現(xiàn)今天先談?wù)劦谝徊糠?、

關(guān)聯(lián)分析是一種無監(jiān)督機(jī)器學(xué)習(xí)措施，用來發(fā)掘常常一起發(fā)生的事情。在企業(yè)營(yíng)銷中重要應(yīng)用于產(chǎn)品搭配銷售cross-selling。分析：買了a（和b）的人還買了c

即特性1和特性2發(fā)生，特性3伴隨發(fā)生時(shí)序分析

買了a的人，然后再買了b，最終又買了c兩者區(qū)別：關(guān)聯(lián)分析，一次購物，買了什么會(huì)買什么。時(shí)序分析，這次購物，下次會(huì)買什么。（零售、流程改善、網(wǎng)絡(luò)日志分析）2、

在clementin中的數(shù)據(jù)格式：apriori可以接受2中排列方式，但只接受名義字段，且字段在方向設(shè)定期必須為both。GRI和CARMA只能接受第一種排列方式3、有關(guān)閥值的設(shè)定：支持度和置信度，定多少才合適？沒有最合適，當(dāng)然是這兩個(gè)值越高出來的規(guī)則越有說服力，但這樣的規(guī)則往往很難得到。因此我個(gè)人認(rèn)為只要符合業(yè)務(wù)需求且合理，都可以進(jìn)行布署。提議將支持度和置信度從低往高不停調(diào)整，查看規(guī)則的變化狀況。舉個(gè)簡(jiǎn)樸的例子，某條規(guī)則置信度為90%，規(guī)提高水平為2，而支持度只有1%，原始數(shù)據(jù)量有1000萬。請(qǐng)問，這條規(guī)則與否故意義？我們可以看到這條規(guī)則的規(guī)模有10萬，且有較高的置信水平，因此它的實(shí)際布署能力還是比較強(qiáng)的。4、再說說提高水平lift這個(gè)參數(shù)。假定設(shè)定規(guī)則的最小閥值為支持度30%，置信度為60%，然后你得到了諸多的強(qiáng)關(guān)聯(lián)規(guī)則。例如有這樣一條，總數(shù)據(jù)10000個(gè)，A商品6000個(gè)，B商品7500個(gè)，然后同步購置A和B的4000個(gè)。我們發(fā)現(xiàn)A-B（即購置了a的同步購置b）這條規(guī)則也是一條強(qiáng)關(guān)聯(lián)規(guī)則。支持度為=4000/1000o=40%，置信度=4000/6000=66.7%.不過我們發(fā)現(xiàn)原總數(shù)據(jù)集中，購置b產(chǎn)品的比例有75%，要不小于66.%，即購置a產(chǎn)品會(huì)對(duì)購置b產(chǎn)品產(chǎn)生反向作用，即負(fù)有關(guān)。因此才有了lift這樣一種參數(shù)，來彌補(bǔ)支持度和置信度在解釋規(guī)則方面的局限性：Lift=

P(AUB)

/

P(A)P(B)

當(dāng)lift=1時(shí)，A、B互相獨(dú)立當(dāng)lift<1時(shí)，A、B負(fù)有關(guān)當(dāng)Lift>1時(shí)，A、B正有關(guān)

即A/B中一種的出現(xiàn)，都提高了此外一種出現(xiàn)的也許性。關(guān)聯(lián)分析在clementine中的詳細(xì)案例實(shí)現(xiàn)-[數(shù)據(jù)挖掘]-08-09版權(quán)申明：轉(zhuǎn)載時(shí)請(qǐng)以超鏈接形式標(biāo)明文章原始出處和作者信息及本申明接著上篇文章

第一部分

關(guān)聯(lián)分析（association）簡(jiǎn)介及模型實(shí)現(xiàn)要點(diǎn)今天來談?wù)劦诙糠?/p>

關(guān)聯(lián)分析在clementine中的詳細(xì)案例實(shí)現(xiàn)基礎(chǔ)數(shù)據(jù)準(zhǔn)備：在clementine中，進(jìn)行關(guān)聯(lián)分析，為了可以嘗試多種算法，這里我采用第一種模型輸入數(shù)據(jù)，建模前需先將數(shù)據(jù)整頓成如下格式2個(gè)字段：客戶編號(hào)和產(chǎn)品編號(hào)（一種客戶編號(hào)也許有多條產(chǎn)品記錄）環(huán)節(jié)如下：1、原始數(shù)據(jù)格式2、然后將產(chǎn)品字段轉(zhuǎn)換成名義字段即集字段，clementine里面一種字段選項(xiàng)按鈕，導(dǎo)出按鈕，其作用是基于既有字段生成新字段3、根據(jù)集字段生成新的產(chǎn)品字段，作用就是生成將數(shù)據(jù)轉(zhuǎn)換成關(guān)聯(lián)分析規(guī)定的數(shù)據(jù)格式生成的格式如下：每一行數(shù)據(jù)表達(dá)沒一種顧客購置了哪些產(chǎn)品，1表達(dá)購置，0表達(dá)沒有5、字段輸入方向選擇為both：6、整個(gè)建模過程如下：這里我選擇的是GRI算法