關(guān)聯(lián)分析關(guān)聯(lián)分析原理啤酒與尿布2購物籃分析啤酒與尿布3關(guān)聯(lián)分析應(yīng)用在美國國會投票記錄中發(fā)現(xiàn)關(guān)聯(lián)規(guī)則在一個國會投票記錄的數(shù)據(jù)集中發(fā)現(xiàn)議案投票的相關(guān)性，使用分析結(jié)果來為政治競選活動服務(wù)，或者預(yù)測選舉官員會如何投票。4關(guān)聯(lián)分析應(yīng)用發(fā)現(xiàn)毒蘑菇的相似特征這里只對包含某個特定元素（有毒性）的項集感興趣，從中尋找毒蘑菇中的一些公共特征，利用這些特征來避免吃到那些有毒蘑菇。5關(guān)聯(lián)分析應(yīng)用在Twitter源中發(fā)現(xiàn)一些共現(xiàn)詞對于給定搜索詞，發(fā)現(xiàn)推文中頻繁出現(xiàn)的單詞集合。6關(guān)聯(lián)分析應(yīng)用從網(wǎng)站點擊流中挖掘流行趨勢，挖掘哪些廣泛被用戶瀏覽到搜索引擎推薦，在用戶輸入查詢詞時推薦同相關(guān)的查詢詞項7關(guān)聯(lián)分析應(yīng)用從數(shù)據(jù)海洋中抽取的知識，可以用于商品定價、市場促銷、庫存管理等環(huán)節(jié)。8關(guān)聯(lián)分析定義關(guān)聯(lián)分析(又稱關(guān)聯(lián)挖掘)在交易數(shù)據(jù)、關(guān)系數(shù)據(jù)或其他信息載體中，查找存在于項目集合或?qū)ο蠹现g的頻繁模式、關(guān)聯(lián)、相關(guān)性或因果結(jié)構(gòu)。或者說，關(guān)聯(lián)分析是發(fā)現(xiàn)交易數(shù)據(jù)庫中不同商品（項）之間的聯(lián)系。9簡單關(guān)聯(lián)關(guān)系序列關(guān)聯(lián)關(guān)系關(guān)聯(lián)分析定義10簡單關(guān)聯(lián)關(guān)系沒有共同屬性的事物的組合，組合元素會較大概率同時出現(xiàn)；購買面包的顧客中80%會購買牛奶。面包和牛奶作為一種早餐的搭配是大家所接受的，二者沒有共同屬性，但是二者搭配后就是一頓美味早餐。商場購買時，如果你把這兩樣擺在一起時，就會刺激顧客的潛意識聯(lián)系了二者的關(guān)系，并刺激購買。這是一種簡單的關(guān)聯(lián)關(guān)系。11序列關(guān)聯(lián)關(guān)系事物的出現(xiàn)，很大概率上，會在時間上以一定的先后順序發(fā)生12比如買了iphone手機的顧客中80%會選擇購買iphone手機保護殼這是序列關(guān)聯(lián)關(guān)系存在先后的時間上的順序數(shù)碼相機存儲卡筆記本電腦照片打印機關(guān)聯(lián)分析基于購物籃事務(wù)，進行關(guān)聯(lián)挖掘13基于購物籃事務(wù)的關(guān)聯(lián)挖掘14基于購物籃事務(wù)的關(guān)聯(lián)挖掘{雞蛋}的支持度計數(shù)=1{尿布啤酒}的支持度計數(shù)=3{面包牛奶尿布}的支持度計數(shù)=2{雞蛋}的支持度=1/5{尿布啤酒}的支持度=3/5{面包牛奶尿布}的支持度=2/5N=5概念：支持度計數(shù)支持度項集15基于購物籃事務(wù)的關(guān)聯(lián)挖掘支持度太低，不能說明問題項集越大，支持度越低{尿布啤酒}的支持度=3/5{牛奶尿布啤酒}的支持度=2/5{面包牛奶尿布啤酒}的支持度=1/516基于購物籃事務(wù)的關(guān)聯(lián)挖掘TID面包牛奶雞蛋啤酒可樂尿布11110002111100311101041111015111010支持度高也不一定有價值常識性的發(fā)現(xiàn)沒有價值17基于購物籃事務(wù)的關(guān)聯(lián)挖掘怎樣才算“關(guān)聯(lián)”？1）支持度高，足夠高≥支持度閾值minSup置信度2）同時出現(xiàn)的概率大出現(xiàn){尿布}的事務(wù)中，有多少出現(xiàn)了{尿布，啤酒}=3/4≥置信度閾值minConf

18基于購物籃事務(wù)的關(guān)聯(lián)挖掘{尿布}支持度=4/5如果根據(jù)本例中的業(yè)務(wù)和數(shù)據(jù)的特性和規(guī)律，認為支持度3/5和置信度3/4已足夠建立關(guān)聯(lián)規(guī)則，則認為規(guī)則{尿布}

{啤酒}存在：即，購買了尿布的購物單中，很大程度上也購買了啤酒。商家便可就此探究成果進行針對性的營銷。{尿布}

{啤酒}{尿布，啤酒}支持度=3/519

基于購物籃事務(wù)的關(guān)聯(lián)挖掘1）計算支持度：{牛奶，尿布}支持度=3/52）計算置信度：{牛奶，尿布}

{啤酒}

{牛奶，尿布，啤酒}支持度=2/5如果根據(jù)本例中的業(yè)務(wù)和數(shù)據(jù)的特性和規(guī)律，認為支持度2/5=0.4和置信度2/3=0.67已足夠建立關(guān)聯(lián)規(guī)則，則認為規(guī)則{牛奶，尿布}

{啤酒}是關(guān)聯(lián)的，也就是說，購買了牛奶和尿布的購物單中，很大程度上也購買了啤酒。商家便可就此探究成果進行針對性的營銷。20

基于購物籃事務(wù)的關(guān)聯(lián)挖掘在無目標關(guān)聯(lián)的情況下，需要對每一種可能的組合進行檢驗，發(fā)現(xiàn)其中的關(guān)聯(lián)關(guān)系21基本概念項集(Itemset）令

I={i1，i2，……，in}是購物籃數(shù)據(jù)中的所有項的集合，T={t1，t2，……，td}是所有事務(wù)的集合。每個事務(wù)ti包含的項集都是I的子集。包含0個或多個項的集合稱為項集。k-項集如果一個項集包含k個項，稱其為k-項集。例如：{牛奶，面包，尿布}、{牛奶，尿布}、{牛奶}均為項數(shù)不同的項集。例如：{牛奶，面包，尿布}就為3-項集。22基本概念支持度計數(shù)(Supportcount)包含特定項集的事務(wù)個數(shù)為支持度計數(shù)，用

表示。在數(shù)學(xué)上，項集X的支持度計數(shù)

(X)可以表示為：支持度(Support）包含某項集的事務(wù)數(shù)與總事務(wù)數(shù)的比值稱為該項集的支持度，用s

表示。支持度衡量的是某項集（即構(gòu)成該項集的各個事件）同時出現(xiàn)的概率。例如，表5?2所示的數(shù)據(jù)中，有：

({牛奶，面包，尿布})=2。例如，s({牛奶，面包，尿布})=2/5。23基本概念頻繁項集(FrequentItemSet）是指能夠滿足支持度閾值(minSup）的所有項集支持度閾值是人為指定的一個數(shù)值候選項集未經(jīng)支持度檢驗的項集24候選項集頻繁項集≥支持度閾值minSup候選項集頻繁項集基本概念置信度(confidence)置信度揭示了

X出現(xiàn)時，Y是否一定會出現(xiàn)，如果出現(xiàn)則其大概有多大的可能出現(xiàn)。如果置信度為100%，則說明了

X

出現(xiàn)時，Y

一定出現(xiàn)那么，對這種情況而言，假設(shè)

X

和

Y

是市場上的兩種商品，就沒有理由不進行捆綁銷售了25基本概念關(guān)聯(lián)規(guī)則關(guān)聯(lián)規(guī)則(AssociationRule)是形如

X→Y的蘊含表達式，其中X

和Y

是不相交的項集，即有X∩Y=?關(guān)聯(lián)規(guī)則的強度可以用它的支持度s和置信度c來度量支持度確定規(guī)則可以用于給定數(shù)據(jù)集的頻繁程度，而置信度確定Y

在包含X

的事務(wù)中出現(xiàn)的頻繁程度26蘊含表達式設(shè)

p、q為兩個命題。復(fù)合命題“如果p，則q”稱為p與q的蘊含式，記作

p→q。稱

p為蘊含式的前件，

q為后件。并規(guī)定

p→q為假當且僅當

p為真

q為假。其真值表為：pqp→q1000111110