數據挖掘之關聯規(guī)則算法
你好，我是林驥。
曾經有一段時間，「數據挖掘」這個概念很火，其中「啤酒與尿布」的故事廣為流傳。
據說，沃爾瑪為了準確了解客戶的購買習慣，對其客戶的購物行為進行購物籃分析，想知道客戶經常一起購買的商品有哪些。
在沃爾瑪的數據倉庫里，有非常詳細的原始訂單數據，數據分析師利用算法，對這些原始訂單數據進行分析和挖掘，發(fā)現「跟尿布一起購買最多的商品竟然是啤酒」。
經過大量的調查和分析，發(fā)現客戶的一種行為模式：一些年輕的父親下班后，經常要到超市去買尿布，而他們中有 30%～40% 的人，同時也為自己買一些啤酒。
后來「大數據」和「人工智能」的概念興起，我感覺說「數據挖掘」的人已經不多了。但是，這些不同概念的背后，一些算法的原理其實是相同的。
比如說，關聯規(guī)則算法，就是從一件事情的發(fā)生，來推測另外一件事情發(fā)生的概率，從而幫助我們更好地了解和掌握事物的發(fā)展規(guī)律。
關聯規(guī)則算法的應用非常廣泛，例如：交叉銷售、商品擺放、流失分析、價格分析、習慣分析等。
應用關聯規(guī)則算法時，通常會涉及幾個重要的參數，分別是：項目集、支持度、置信度、重要性。
舉一個簡單的例子，假設有 3 筆訂單，對應的產品明細如下：
| 訂單號 | 產品明細 |
| 10001 | 啤酒，尿布 |
| 10002 | 啤酒，尿布 |
| 10003 | 尿布 |
1. 項目集
每個項目集都有一個大小，該大小表示項目集中包含的項的數目。
比如說，在上面的例子中，包含 3 個項目集，分別是：{啤酒}、{尿布}、{啤酒，尿布}。項目集 {啤酒} 的大小是 1，項目集 {啤酒，尿布} 的大小是 2。
頻繁項目集，就是在數據集中出現頻率高的那些項目集。
2. 支持度
支持度表示一個項目集出現的次數。
比如說，項目集 {啤酒，尿布} 的支持度，是同時包含啤酒和尿布的訂單總個數是 2 個。
在處理關聯規(guī)則之前，先指定一個最小的支持度，用于對項目集進行限制，表示用戶只對某些項目集感興趣。
3. 置信度
置信度是一個表示概率的屬性。
比如說，在上面的例子中，對于購買啤酒的客戶，同時購買尿布的置信度是 100%。
在處理關聯規(guī)則之前，先指定一個最小的置信度，用于對規(guī)則進行限制，表示用戶只對某些規(guī)則感興趣，這些規(guī)則要大于或等于最小的概率。
4. 重要性
實際挖掘出來的一些關聯規(guī)則，并非都是有用的，有時候甚至是有一定的誤導性，所以重要性這個指標就顯得非常重要。
關聯規(guī)則的重要性，是指在已知規(guī)則左側的情況下，求規(guī)則右側的對數可能性。
如果重要性分數為 0，那么表示沒有關聯；正的重要性分數表示正相關；負的重要性分數表示負相關。
最后的話
在數據分析中，面對不同的場景，運用適當的思維、算法或模型，可以幫助你更好地觀察事物和看待世界，形成正確的認知，從而做出科學的決策。
這篇文章介紹的關聯規(guī)則算法，相對比較專業(yè)，你不需要死記硬背，只需要有個大致的了解。
當你以后遇到類似的場景時，如果能夠想起來有這么一種算法，然后就可以借助相關的軟件，把它應用到實際業(yè)務中去，想方設法為業(yè)務賦能，從而創(chuàng)造更大的價值。
相關文章：決策樹算法應用及結果解讀
關注林驥，更多干貨早知道。