提到數據挖掘，我們的第一個反應是之前的啤酒和尿布的故事聽說過，這個故事是一個典型的數據挖掘關聯規則。籃分析的傳統線性回歸之間的主要差別的差別，對於離散數據的相關性分析；
常見的關聯規則：
關聯規則：牛奶=>卵子【支撐=2%，置信度=60%】
支持度：分析中的所有事務的2%同一時候購買了牛奶和雞蛋，需設定域值，來限定規則的產生。
置信度：購買了牛奶的筒子有60%也購買了雞蛋，需設定域值，來限定規則的產生。
最小支持度閾值和最小置信度閾值：由挖掘者或領域專家設定。
與關聯分析相關的專業術語包含：
項集：項（商品）的集合
k-項集：k個項組成的項集
頻繁項集：滿足最小支持度的項集。頻繁k-項集一般記為Lk
強關聯規則：滿足最小支持度閾值和最小置信度閾值的規則
接下來以兩步法為例。揭秘下關聯分析的做法：
例如以下有9個購物籃（T100-T900）：兩步法先找出全部的頻繁項集；第二步再由頻繁項集產生強關聯規則。
算法步驟：
Step1：掃描D，對每一個候選項計數，生成候選1-項集C1。並算出每項的關聯度計數（即該項出現的頻數）； Step2：定義最小支持度閥值為2（即剔除頻數低於2的項），記剩余的項集為L1。 Step3：由L1 兩兩配對生成新的2-項集C2。 Step4：掃描D。對C2里每一個項計數，定義最小支持度閥值為2（即剔除頻數低於2的項），記剩余的項集為2-項集L2； Step5：由L2 兩兩配對生成新的3-項集C3。 ……如此循環，直至出現最大的n-項集結束。
以上述樣例為例，圖解步驟例如以下：
如圖為例，我們計算頻繁項集{I1,I2,I5}。能夠發現I1^I2=>I5，因為{I1,I2,I5}出現了2次。{I1,I2}出現了4次，故置信度為2/4=50%
類似能夠算出：
利用R進行購物籃分析，R中關聯分析函數為arules,我們採用內置的Groceries的數據集（例如以下）。
Inspect(Groceries)
詳細的R語言實現例如以下：
library(arules) data(Groceries) frequentsets=eclat(Groceries,parameter=list(support=0.05,maxlen=10)) inspect(sort(frequentsets,by="support")[1:10]) #依據支持度對求得的頻繁項集排序
結果例如以下：可見全部的關聯規則的排名：
接下來以閥值挑選我們的須要的關聯項：
rules=apriori(Groceries,parameter=list(support=0.01,confidence=0.5)) inspect(rules)
由此可見購物籃就完畢，當中lift是相關度指標，lift=1表示L和R獨立，lift越大表明L和R在同一購物籃絕非偶爾現象，更加支持我們的購物籃決策。
版權聲明：本文博主原創文章，博客，未經同意不得轉載。