?
關(guān)聯(lián)規(guī)則簡介：
關(guān)聯(lián)規(guī)則雖然來源于
POS
中，但是可以應(yīng)用于很多領(lǐng)域。只要一個客戶在同一個時間里買了多樣?xùn)|西，或者在一段時間了做了好幾樣事情就可能是一個潛在的應(yīng)用。例如：- 用信用卡購物，如汽車租金和旅館費，可以看他下一個要買的東西。
- 電話公司提供的多項服務(wù)，以研究捆綁銷售的問題。
- 銀行提供的多項服務(wù)，來分析客戶可能需要那些服務(wù)。
- 不尋常的多項保險申請可能是欺詐行為。
數(shù)據(jù)挖掘什么時候有用？三種規(guī)則：有用的、價值不高的、費解的。價值不高的規(guī)則往往是對一些商業(yè)領(lǐng)域內(nèi)的規(guī)則重現(xiàn)。費解的規(guī)則往往是數(shù)據(jù)中一些偶然的東西，從而也沒有什么采取行動的價值。
虛擬元素（
Virtual Items
）是一個在事務(wù)中認(rèn)為加入的元素。用來對事務(wù)進(jìn)行一定的區(qū)別。加入虛擬元素后我們能做的事情：- 對比促銷時和平常銷售時的區(qū)別。
- 按照銷售的區(qū)域來看，按照銷售的方式來看。
- 比較城市和郊區(qū)的區(qū)別。
- 比較各個季節(jié)的不同。
數(shù)據(jù)挖掘的基本流程：
選擇合適的元素。考慮不同的統(tǒng)計級別，選擇哪種細(xì)節(jié)程度。細(xì)節(jié)的顆粒越粗，那么算法的工作量就越小；細(xì)節(jié)的顆粒越細(xì)，那么結(jié)果的可實施性就越好。關(guān)鍵：只有當(dāng)數(shù)據(jù)中的元素出現(xiàn)的次數(shù)大致相同是，關(guān)聯(lián)規(guī)則的效果才最好。虛擬元素不能太多！應(yīng)該注意數(shù)據(jù)的質(zhì)量。
產(chǎn)生規(guī)則。什么是規(guī)則？就是一個條件和一個結(jié)果的和：
If condition then result
。實際中有用的往往是結(jié)果中只有一個元素的情況。支持度、可信度和提高率（興趣度）。
|
元組
|
出現(xiàn)頻率
|
|
A
|
45%
|
|
B
|
42.5%
|
|
C
|
40%
|
|
A和B
|
25%
|
|
A和C
|
20%
|
|
B和C
|
15%
|
|
A和B和C
|
5%
|
支持度：就是一個元組在整個數(shù)據(jù)庫中出現(xiàn)的概率。如上面的例子中
S(A)=0.45
。可信度：它是針對規(guī)則而言的。對于一般的規(guī)則，它的可信度
=p
（
condition and result
）
/p
（
condition
）。例如有如下規(guī)則：
If B and C then A
。則它的可信度是：
p
（
B and C and A
）
/p
（
B and C
）
=5%/15%=0.33
。提高率（或者叫興趣度）：對于上面的一個規(guī)則，我們可以發(fā)現(xiàn)，當(dāng)我們從從數(shù)據(jù)庫中直接取
A
的時候，概率是
45%
；可在我們的規(guī)則中，取到
A
的概率卻只有
33.3%
。顯然，這種情況是我們不愿意見到的，我們應(yīng)該略去這樣的一些規(guī)則。所以我們引入了興趣度的概念，具體的公式如下：興趣度
=p(condition and result)/p(condition)*p(result)
。當(dāng)興趣度大于
1
的時候，這條規(guī)則就是比較好的；當(dāng)興趣度小于
1
的時候，這條規(guī)則就是沒有很大意義的。興趣度越大，規(guī)則的實際意義就越好。
- 克服實際應(yīng)用中數(shù)據(jù)量暴大的問題。當(dāng)數(shù)據(jù)量增大時，要考慮的元素組就增長的很快了。
分裂規(guī)則：例如：If A and not B then C。
用關(guān)聯(lián)規(guī)則的方法對序列規(guī)則的分析：
為了進(jìn)行序列模式的分析，事務(wù)數(shù)據(jù)要滿足額外的兩個條件：
- 一個時標(biāo)或者序列信息用以決定事務(wù)發(fā)生的順序。
- 標(biāo)識信息，用以區(qū)別不同的事務(wù)。
可以用于原因結(jié)果分析。
關(guān)聯(lián)規(guī)則的優(yōu)缺點：
優(yōu)點：
- 它可以產(chǎn)生清晰有用的結(jié)果。
- 它支持間接數(shù)據(jù)挖掘。
- 可以處理變長的數(shù)據(jù)。
- 它的計算的消耗量是可以預(yù)見的。
缺點：
- 當(dāng)問題變大時，計算量增長得厲害。
- 難以決定正確的數(shù)據(jù)。
- 容易忽略稀有的數(shù)據(jù)。
凡是有該標(biāo)志的文章，都是該blog博主Caoer（草兒）原創(chuàng)，凡是索引、收藏
、轉(zhuǎn)載請注明來處和原文作者。非常感謝。