1.什么是關(guān)聯(lián)分析？

自然界中，某件事情發(fā)生時，其他事件也會發(fā)生，這種聯(lián)系稱為關(guān)聯(lián)。關(guān)聯(lián)分析就是為了尋找事物之間的一些有趣的關(guān)聯(lián)關(guān)系。

最讓人熟知的就是購物籃分析，商場在分析用戶經(jīng)常同時購買“啤酒、尿布“、“籃球”、“籃球服”等商品組合，于是將其放在一起以促進銷售。這種關(guān)聯(lián)關(guān)系的分析，不僅應(yīng)用與網(wǎng)站設(shè)計者可以根據(jù)訪客日志數(shù)據(jù)，發(fā)現(xiàn)訪客瀏覽習(xí)慣和網(wǎng)站頁面間的關(guān)系。

2.如何評價關(guān)聯(lián)規(guī)則是否有用？

拿某個商場的交易數(shù)據(jù)中進行分析，數(shù)據(jù)集中有限的項目經(jīng)過排列組合以后可以產(chǎn)生大量的關(guān)聯(lián)規(guī)則，但是，只有一小部分的規(guī)則會是用戶感興趣的，因此需要引入一個“興趣度”的概念幫助用戶評估得到的關(guān)聯(lián)規(guī)則。

而與興趣度評估相關(guān)的度量包括：簡潔性、正確性、實用性、新穎性

1）簡潔性：太復(fù)雜的規(guī)則會讓用戶的興趣度降低，也難以解釋和理解

2）正確性：令人信服的程度有多高。

正確性的判斷指標是置信度，表示這個規(guī)則正確的概率有多大。即在某一項x出現(xiàn)的前提下，另外一項y出現(xiàn)的頻率是多少。

置信度confident（x=>y）=p(y|x)

3）實用性：判斷該規(guī)則再次出現(xiàn)的可能性有多大，即這個指標的覆蓋率。

實用性的判斷指標是支持度，支持度越大說明規(guī)則應(yīng)用越廣泛，即xy同時出現(xiàn)的頻率.

支持度support（x=>y）= p(x U y)

4）新穎性：判斷規(guī)則是否已經(jīng)被導(dǎo)出的另外一個規(guī)則作蘊含。

在這4個指標中，置信度和實用性是用來評判一條規(guī)則是強關(guān)聯(lián)規(guī)則的依據(jù)。

強關(guān)聯(lián)規(guī)則：同時滿足用戶定義的最小支持度閾值和最小置信度閾值的關(guān)聯(lián)規(guī)則

弱關(guān)聯(lián)規(guī)則：不滿足最小支持度閾值和最小置信度閾值的關(guān)聯(lián)規(guī)則

5）改善度：

期望可信度是在x沒有影響的作用下y出現(xiàn)的頻率，p(i)

改善度則是評估x的出現(xiàn)對y的出現(xiàn)的影響性。p(y|x)／p(x)越大,則改善度越高，說明x的出現(xiàn)對y的可能影響就越大。

3.關(guān)聯(lián)規(guī)則的分類

1）布爾規(guī)則和量化規(guī)則

（1）布爾規(guī)則：性別=女=》職業(yè)=老師

（2）量化規(guī)則：性別=女=》平均收入=2300

量化關(guān)聯(lián)規(guī)則可以直接對原始數(shù)據(jù)進行處理，或先對數(shù)值型屬性進行分區(qū)間進行動態(tài)分割

2）單層規(guī)則和多層關(guān)聯(lián)規(guī)則

在單層規(guī)則中，所有的項不考慮現(xiàn)實數(shù)據(jù)的多層性，而在實際應(yīng)用中，涉及不同的抽象層發(fā)現(xiàn)的多層關(guān)聯(lián)規(guī)則則是一種更有用的關(guān)聯(lián)規(guī)則，因為屬性之間存在一種層次關(guān)系。

（1）不涉及不同抽象層的項的規(guī)則稱為單層關(guān)聯(lián)規(guī)則

adidas籃球=》nike籃球服

（2）較高層次和較低層次之間規(guī)則稱為多層關(guān)聯(lián)規(guī)則

adidas籃球=》籃球服

3）單維規(guī)則和多維規(guī)則

（1）單維關(guān)聯(lián)規(guī)則：處理同一個屬性或維度內(nèi)的聯(lián)系。

adidas籃球=》nike籃球服

（2）多維關(guān)聯(lián)規(guī)則：多個屬性或維度之間的聯(lián)系。

用戶的年齡和購買物品