R語言數(shù)據(jù)分析與挖掘 課件 第3章 關(guān)聯(lián)分析

第3章關(guān)聯(lián)分析Part/

01關(guān)聯(lián)分析的準備工作以對消費者的建模為例，舉一些場景下的常用算法對應(yīng)：劃分消費者群體：聚類，分類；購物籃分析：相關(guān)，聚類；購買額預(yù)測：回歸，時間序列；滿意度調(diào)查：回歸，聚類，分類；什么是關(guān)聯(lián)分析數(shù)據(jù)挖掘主要模型：分類、聚類、預(yù)測及關(guān)聯(lián)什么是關(guān)聯(lián)分析什么是關(guān)聯(lián)分析什么是關(guān)聯(lián)分析

關(guān)聯(lián)規(guī)則算法常用來描述數(shù)據(jù)之間的相關(guān)關(guān)系，關(guān)聯(lián)規(guī)則模式屬于描述型模式，挖掘關(guān)聯(lián)規(guī)則的算法和聚類算法類似，屬于無監(jiān)督學習的方法。什么是關(guān)聯(lián)分析

關(guān)聯(lián)規(guī)則就是由關(guān)聯(lián)的規(guī)則，它的定義是：兩個不相交的非空集合X、Y，如果由X->Y，就說X->Y是一條關(guān)聯(lián)規(guī)則。其中X表示的是兩個互斥事件，X稱為前因(antecedent)，Y稱為后果(consequent)，上述關(guān)聯(lián)規(guī)則表示X會導(dǎo)致Y。關(guān)聯(lián)規(guī)則的強度用支持度（support）和置信度（confidence）來描述。在實際應(yīng)用中，商品在銷售中存在一定的關(guān)聯(lián)性。如果大量的數(shù)據(jù)表明，消費者購買A產(chǎn)品的同時也會同時購買B產(chǎn)品，那么A和B之間存在關(guān)聯(lián)性，記為A->B。例如，在超市中，常常會看到兩個商品的捆綁銷售，很有可能就是關(guān)聯(lián)分析的結(jié)果。什么是關(guān)聯(lián)分析什么是關(guān)聯(lián)分析時間（Time）商品（Items）T1｛牛奶,面包｝T2｛面包,尿布,啤酒,雞蛋｝T3｛牛奶,尿布,啤酒,可樂｝T4｛面包,牛奶,尿布,啤酒｝T5｛面包,牛奶,尿布,可樂｝Part/

02Apriori規(guī)則1使用Apriori規(guī)則完成關(guān)聯(lián)挖掘Apriori是廣為人知的關(guān)聯(lián)規(guī)則挖掘算法，它依靠逐層的廣度優(yōu)先策略生成候選項集，首先逐層找到所有的頻繁項集(項集支持度大于給定值)，例如先找到1-頻繁項集，然后基于1-頻繁項集找到2-頻繁項集，依次遞歸，基于k-頻繁項集生成新的k+1頻繁項集，直至找不到新的頻繁項集為止。Apriori原理（1）尋找所有不低于最小支持度的項集（頻繁項集）；（2）使用頻繁項集生成規(guī)則。PS：

支持度：數(shù)據(jù)集中包含該項集的記錄所占的比例；

頻繁項集：支持度大于最小支持度的項集。對數(shù)據(jù)集中的每條交易記錄tran和每個候選項集can：

檢查一下can是否是tran的子集：

如果是，則增加can的計數(shù)值

對每個候選項集：

如果其支持度不低于最小值，則保留該項集返回所有頻繁項集列表生成候選項集工作流程發(fā)現(xiàn)關(guān)聯(lián)規(guī)則當集合中項的個數(shù)大于0時：

構(gòu)建一個k個項組成的候選項集的列表

檢查數(shù)據(jù)以確認每個項集都是頻繁的

保留頻繁項集并構(gòu)建k+1項組成的候選項集的列表規(guī)則原則2去掉冗余規(guī)則要去掉冗余規(guī)則，首先應(yīng)找到冗余的規(guī)則。我們可以先基于提升度對規(guī)則排序，再調(diào)用is.subset函數(shù)找到已排序規(guī)則的子集，is.subset函數(shù)會產(chǎn)生一個itemMatrix對象?？梢詫⑾氯蔷仃囋O(shè)置為NA，然后計算矩陣的colSums值，如果該值大于等于1，則意味著該指定規(guī)則是冗余的。當我們找到這些冗余規(guī)則后，就可以從已排序的規(guī)則中去掉它們。最后，再調(diào)用inspect函數(shù)驗證這些冗余規(guī)則。3關(guān)聯(lián)規(guī)則的可視化除了可以以文本形式展示關(guān)聯(lián)規(guī)則外，我們還可以對規(guī)則進行可視化，以便更輕松地發(fā)現(xiàn)項集間的關(guān)聯(lián)。接下來，我們將介紹如何使用arulesViz包實現(xiàn)關(guān)聯(lián)規(guī)則的可視化。Part/

03Eclat挖掘使用Eclat挖掘頻繁項集Apriori算法使用水平數(shù)據(jù)結(jié)構(gòu)來存放事務(wù)，Eclat則使用垂直數(shù)據(jù)結(jié)構(gòu)來存放每個事務(wù)的ID(tid)列表，在計算K+1項集的支持度時，Eclat算法只需要計算兩個K項集的tid表的交集即可。Eclat算法也可從頻繁項集中生成關(guān)聯(lián)規(guī)則。使用cspade挖掘頻繁時序模式序列模式挖掘常用方法是使用SPADE算法，該算法是時間序列頻繁模式挖掘中的一種，使用垂直數(shù)據(jù)結(jié)構(gòu)存放ID列表，數(shù)據(jù)庫中每個輸入序列都擁有一個SID值，而事件則擁有各自的EID值。SPADE算法采用Apr