提到数据挖掘，我们的第一个反应是之前的啤酒和尿布的故事听说过，这个故事是一个典型的数据挖掘关联规则。篮分析的传统线性回归之间的主要差别的差别，对于离散数据的相关性分析；
常见的关联规则：
关联规则：牛奶=>卵子【支撑=2%，置信度=60%】
支持度：分析中的所有事务的2%同一时候购买了牛奶和鸡蛋，需设定域值，来限定规则的产生。
置信度：购买了牛奶的筒子有60%也购买了鸡蛋，需设定域值，来限定规则的产生。
最小支持度阈值和最小置信度阈值：由挖掘者或领域专家设定。
与关联分析相关的专业术语包含：
项集：项（商品）的集合
k-项集：k个项组成的项集
频繁项集：满足最小支持度的项集。频繁k-项集一般记为Lk
强关联规则：满足最小支持度阈值和最小置信度阈值的规则
接下来以两步法为例。揭秘下关联分析的做法：
例如以下有9个购物篮（T100-T900）：两步法先找出全部的频繁项集；第二步再由频繁项集产生强关联规则。
算法步骤：
Step1：扫描D，对每一个候选项计数，生成候选1-项集C1。并算出每项的关联度计数（即该项出现的频数）；
Step2：定义最小支持度阀值为2（即剔除频数低于2的项），记剩余的项集为L1。
Step3：由L1 两两配对生成新的2-项集C2。
Step4：扫描D。对C2里每一个项计数，定义最小支持度阀值为2（即剔除频数低于2的项），记剩余的项集为2-项集L2；
Step5：由L2 两两配对生成新的3-项集C3。
……如此循环，直至出现最大的n-项集结束。
以上述样例为例，图解步骤例如以下：
watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvaG93YXJkZ2U=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="">
如图为例，我们计算频繁项集{I1,I2,I5}。能够发现I1^I2=>I5，因为{I1,I2,I5}出现了2次。{I1,I2}出现了4次，故置信度为2/4=50%
类似能够算出：
watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvaG93YXJkZ2U=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="">
利用R进行购物篮分析，R中关联分析函数为arules,我们採用内置的Groceries的数据集（例如以下）。
Inspect(Groceries)
watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvaG93YXJkZ2U=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="">
详细的R语言实现例如以下：
library(arules)
data(Groceries)
frequentsets=eclat(Groceries,parameter=list(support=0.05,maxlen=10))
inspect(sort(frequentsets,by="support")[1:10]) #依据支持度对求得的频繁项集排序
结果例如以下：可见全部的关联规则的排名：
接下来以阀值挑选我们的须要的关联项：
rules=apriori(Groceries,parameter=list(support=0.01,confidence=0.5))
inspect(rules)
watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvaG93YXJkZ2U=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="">
由此可见购物篮就完毕，当中lift是相关度指标，lift=1表示L和R独立，lift越大表明L和R在同一购物篮绝非偶尔现象，更加支持我们的购物篮决策。
watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvaG93YXJkZ2U=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="">
版权声明：本文博主原创文章，博客，未经同意不得转载。
