
來(lái)源:AI入門(mén)學(xué)習(xí)
作者:小伍哥
1、算法概述
關(guān)聯(lián)規(guī)則挖掘可以讓我們從數(shù)據(jù)集中發(fā)現(xiàn)項(xiàng)與項(xiàng)(item 與 item)之間的關(guān)系,它在我們的生活中有很多應(yīng)用場(chǎng)景,“購(gòu)物籃分析”就是一個(gè)常見(jiàn)的場(chǎng)景,這個(gè)場(chǎng)景可以從消費(fèi)者交易記錄中發(fā)掘商品與商品之間的關(guān)聯(lián)關(guān)系,進(jìn)而通過(guò)商品捆綁銷(xiāo)售或者相關(guān)推薦的方式帶來(lái)更多的銷(xiāo)售量。所以說(shuō),關(guān)聯(lián)規(guī)則挖掘是個(gè)非常有用的技術(shù)。
關(guān)聯(lián)規(guī)則是反映一個(gè)事物與其他事物之間的相互依存性和關(guān)聯(lián)性,常用于實(shí)體商店或在線電商的推薦系統(tǒng):通過(guò)對(duì)顧客的購(gòu)買(mǎi)記錄數(shù)據(jù)庫(kù)進(jìn)行關(guān)聯(lián)規(guī)則挖掘,最終目的是發(fā)現(xiàn)顧客群體的購(gòu)買(mǎi)習(xí)慣的內(nèi)在共性,例如購(gòu)買(mǎi)產(chǎn)品A的同時(shí)也連帶購(gòu)買(mǎi)產(chǎn)品B的概率,根據(jù)挖掘結(jié)果,調(diào)整貨架的布局陳列、設(shè)計(jì)促銷(xiāo)組合方案,實(shí)現(xiàn)銷(xiāo)量的提升,最經(jīng)典的應(yīng)用案例莫過(guò)于<啤酒和尿布>。
關(guān)聯(lián)分析又稱關(guān)聯(lián)挖掘,就是在交易數(shù)據(jù)、關(guān)系數(shù)據(jù)或其他信息載體中,查找存在于項(xiàng)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)。能從大量數(shù)據(jù)中發(fā)現(xiàn)項(xiàng)集之間有趣的關(guān)聯(lián)和相關(guān)聯(lián)系。關(guān)聯(lián)分析的一個(gè)典型例子是購(gòu)物籃分析。該過(guò)程通過(guò)發(fā)現(xiàn)顧客放人其購(gòu)物籃中的不同商品之間的聯(lián)系,分析顧客的購(gòu)買(mǎi)習(xí)慣。通過(guò)了解哪些商品頻繁地被顧客同時(shí)購(gòu)買(mǎi),這種關(guān)聯(lián)的發(fā)現(xiàn)可以幫助零售商制定營(yíng)銷(xiāo)策略。其他的應(yīng)用還包括價(jià)目表設(shè)計(jì)、商品促銷(xiāo)、商品的排放和基于購(gòu)買(mǎi)模式的顧客劃分。
可從數(shù)據(jù)庫(kù)中關(guān)聯(lián)分析出形如“由于某些事件的發(fā)生而引起另外一些事件的發(fā)生”之類(lèi)的規(guī)則。如“67%的顧客在購(gòu)買(mǎi)啤酒的同時(shí)也會(huì)購(gòu)買(mǎi)尿布”,因此通過(guò)合理的啤酒和尿布的貨架擺放或捆綁銷(xiāo)售可提高超市的服務(wù)質(zhì)量和效益。又如“C語(yǔ)言課程優(yōu)秀的同學(xué),在學(xué)習(xí)‘數(shù)據(jù)結(jié)構(gòu)’時(shí)為優(yōu)秀的可能性達(dá)88%”,那么就可以通過(guò)強(qiáng)化“C語(yǔ)言”的學(xué)習(xí)來(lái)提高教學(xué)效果。
2、應(yīng)用場(chǎng)景
01)互聯(lián)網(wǎng)推薦
個(gè)性化推薦:在界面上給用戶推薦相關(guān)商品
組合優(yōu)惠券:給購(gòu)買(mǎi)過(guò)得用戶發(fā)放同時(shí)購(gòu)買(mǎi)組合內(nèi)商品的優(yōu)惠券
捆綁銷(xiāo)售:將相關(guān)商品組合起來(lái)銷(xiāo)售
02)線下店鋪分析
商品配置分析:哪些商品可以一起購(gòu)買(mǎi),關(guān)聯(lián)商品如何陳列/促銷(xiāo)
客戶需求分析:分析顧客的購(gòu)買(mǎi)習(xí)慣/顧客購(gòu)買(mǎi)商品的時(shí)間/地點(diǎn)等
3)金融保險(xiǎn)
經(jīng)由購(gòu)物籃分析能夠設(shè)計(jì)不同的服務(wù)組合以擴(kuò)大利潤(rùn);能藉由購(gòu)物籃分析偵測(cè)出可能不尋常的投保組合并作預(yù)防。
4)風(fēng)控領(lǐng)域
分析同時(shí)行動(dòng)的賬號(hào)、尋找有效的策略組合
3、幾個(gè)概念
關(guān)聯(lián)規(guī)則三個(gè)核心概念:支持度、置信度、提升度,用最經(jīng)典的啤酒-尿不濕給大家舉例說(shuō)明這三個(gè)概念,以下是幾名客戶購(gòu)買(mǎi)的商品列表:
01)支持度
支持度 (Support):指某個(gè)商品組合出現(xiàn)的次數(shù)與總次數(shù)之間的比例。
在這個(gè)例子中,我們可以看到“牛奶”出現(xiàn)了 4 次,那么這 5 筆訂單中“牛奶”的支持度就是 4/5=0.8。
同樣“牛奶 + 面包”出現(xiàn)了 3 次,那么這 5 筆訂單中“牛奶 + 面包”的支持度就是 3/5=0.6
這樣理解起來(lái)是不是非常簡(jiǎn)單了呢,大家可以動(dòng)動(dòng)手計(jì)算下 '尿不濕+啤酒'的支持度是多少
02)置信度
置信度 (Confidence):指的就是當(dāng)你購(gòu)買(mǎi)了商品 A,會(huì)有多大的概率購(gòu)買(mǎi)商品 B
置信度(牛奶→啤酒)= 3/4=0.75,代表如果你購(gòu)買(mǎi)了牛奶,有多大的概率會(huì)購(gòu)買(mǎi)啤酒
置信度(啤酒→牛奶)= 3/4=0.75,代表如果你購(gòu)買(mǎi)了啤酒,有多大的概率會(huì)購(gòu)買(mǎi)牛奶?
置信度(啤酒→尿不濕)= 4/4=1.0,代表如果你購(gòu)買(mǎi)了啤酒,有多大的概率會(huì)買(mǎi)尿不濕
由上面的例子可以看出,置信度是個(gè)條件概念,就是說(shuō)在 A 發(fā)生的情況下,B 發(fā)生的概率是多少。
03)提升度
提升度 (Lift):我們?cè)谧?a href='/map/shangpintuijian/' style='color:#000;font-size:inherit;'>商品推薦或者策略的時(shí)候,重點(diǎn)考慮的是提升度,因?yàn)樘嵘却淼氖巧唐?A 的出現(xiàn),對(duì)商品 B 的出現(xiàn)概率提升的程度。
提升度 (A→B) = 置信度 (A→B)/ 支持度 (B)
所以提升度有三種可能:
提升度 (A→B)>1:代表有提升;
提升度 (A→B)=1:代表有沒(méi)有提升,也沒(méi)有下降;
提升度 (A→B)<1:代表有下降。
提升度 (啤酒→尿不濕) =置信度 (啤酒→尿不濕)/支持度 (尿不濕)=1.0/0.8=1.25
可見(jiàn)啤酒對(duì)尿不濕是有提升的,提升度為1.25,其實(shí)可以簡(jiǎn)單理解為:在全集的情況下,尿不濕的概率為0.8,
而在包含啤酒這個(gè)子集中,尿不濕的概率為1,因此,子集的限定,提高了尿不濕的概率。
04)頻繁項(xiàng)集
頻繁項(xiàng)集(frequent itemset) :就是支持度大于等于最小支持度 (Min Support) 閾值的項(xiàng)集,
所以小于最小值支持度的項(xiàng)目就是非頻繁項(xiàng)集,而大于等于最小支持度的的項(xiàng)集就是頻繁項(xiàng)集。項(xiàng)集可以是單個(gè)商品,也可以是組合
Apriori算法核心思想:
某個(gè)項(xiàng)集是頻繁的,那么它的所有子集也是頻繁的。
{Milk, Bread, Coke} is frequent → {Milk, Coke} is frequent
如果一個(gè)項(xiàng)集是 非頻繁項(xiàng)集,那么它的所有超集也是非頻繁項(xiàng)集
{Battery} is infrequent → {Milk, Battery} is infrequent
如圖所示,我們發(fā)現(xiàn){A,B}這個(gè)項(xiàng)集是非頻繁的,那么{A,B}這個(gè)項(xiàng)集的超集,{A,B,C},{A,B,D}等等也都是非頻繁的,這些就都可以忽略不去計(jì)算。
運(yùn)用Apriori算法的思想,我們就能去掉很多非頻繁的項(xiàng)集,大大簡(jiǎn)化計(jì)算量。
這里用的是Python舉例,用的包是apriori,當(dāng)然R語(yǔ)言等其他語(yǔ)言,也有對(duì)應(yīng)的算法包,原來(lái)都是一樣的。
#包安裝 pip install efficient-apriori #加載包 from efficient_apriori import apriori #
構(gòu)造數(shù)據(jù)集 data = [('牛奶','面包','尿不濕','啤酒','榴蓮'),
('可樂(lè)','面包','尿不濕','啤酒','牛仔褲'),
('牛奶','尿不濕','啤酒','雞蛋','咖啡'),
('面包','牛奶','尿不濕','啤酒','睡衣'),
('面包','牛奶','尿不濕','可樂(lè)','雞翅')] #挖掘頻繁項(xiàng)集和頻繁規(guī)則 itemsets, rules =
apriori(data, min_support=0.6, min_confidence=1) #頻繁項(xiàng)集 print(itemsets)
{1: {('啤酒',): 4, ('尿不濕',): 5, ('牛奶',): 4, ('面包',): 4}, 2: {('啤酒', '尿不濕'): 4,
('啤酒', '牛奶'): 3, ('啤酒', '面包'): 3, ('尿不濕', '牛奶'): 4, ('尿不濕', '面包'): 4,
('牛奶', '面包'): 3}, 3: {('啤酒', '尿不濕', '牛奶'): 3, ('啤酒', '尿不濕', '面包'): 3,
('尿不濕', '牛奶', '面包'): 3}}
itemsets[1] #滿足條件的一元組合 {('啤酒',): 4, ('尿不濕',): 5, ('牛奶',): 4, ('面包',): 4}
itemsets[2]#滿足條件的二元組合 {('啤酒', '尿不濕'): 4,('啤酒', '牛奶'): 3,('啤酒', '面包'):
3,('尿不濕', '牛奶'): 4,('尿不濕', '面包'): 4,('牛奶', '面包'): 3}
itemsets[3]#滿足條件的三元組合 {('啤酒', '尿不濕', '牛奶'): 3, ('啤酒', '尿不濕', '面包'):
3, ('尿不濕', '牛奶', '面包'): 3} #頻繁規(guī)則 print(rules)
[{啤酒} -> {尿不濕}, {牛奶} -> {尿不濕}, {面包} -> {尿不濕}, {啤酒, 牛奶} ->
{尿不濕}, {啤酒, 面包} -> {尿不濕}, {牛奶, 面包} -> {尿不濕}]
每個(gè)導(dǎo)演都有自己的偏好、比如周星馳有星女郎,張藝謀有謀女郎,且鞏俐經(jīng)常在張藝謀的電影里面出現(xiàn),因此,每個(gè)導(dǎo)演對(duì)演員的選擇都有一定的偏愛(ài),我們以寧浩導(dǎo)演為例,分析下選擇演員的一些偏好,沒(méi)有找到公開(kāi)的數(shù)據(jù)集,自己手動(dòng)扒了一部分,大概如下,有些實(shí)在有點(diǎn)多,于是簡(jiǎn)化下進(jìn)行分析
可以看到,我們一共扒了9部電影,計(jì)算的時(shí)候,支持度的時(shí)候,總數(shù)就是9.
#把電影數(shù)據(jù)轉(zhuǎn)換成列表 data = [['葛優(yōu)','黃渤','范偉','鄧超','沈騰','張占義','
王寶強(qiáng)','徐崢','閆妮','馬麗'],
['黃渤','張譯','韓昊霖','杜江','葛優(yōu)','劉昊然','宋佳','王千源','任素汐','吳京'],
['郭濤','劉樺','連晉','黃渤','徐崢','優(yōu)恵','羅蘭','王迅'],
['黃渤','舒淇','王寶強(qiáng)','張藝興','于和偉','王迅','李勤勤','李又麟','寧浩','管虎','梁靜','
徐崢','陳德森','張磊'],
['黃渤','沈騰','湯姆·派福瑞','馬修·莫里森','徐崢','于和偉','雷佳音','劉樺','鄧飛','
蔡明凱','王戈','凱特·納爾遜','王硯偉','呲路'],
['徐崢','黃渤','余男','多布杰','王雙寶','巴多','楊新鳴','郭虹','陶虹','黃精一','趙虎','王輝'],
['黃渤','戎祥','九孔','徐崢','王雙寶','巴多','董立范','高捷','馬少驊','王迅','劉剛','
WorapojThuantanon','趙奔','李麒麟','姜志剛','王鷺','寧浩'],
['黃渤','徐崢','袁泉','周冬雨','陶慧','岳小軍','沈騰','張儷','馬蘇','劉美含','王硯輝','焦俊艷','郭濤'],
['雷佳音','陶虹','程媛媛','山崎敬一','郭濤','范偉','孫淳','劉樺','黃渤','岳小軍','傅亨','王文','楊新鳴']]
#算法應(yīng)用 itemsets, rules = apriori(data, min_support=0.5, min_confidence=1) print(itemsets)
{1: {('徐崢',): 7, ('黃渤',): 9}, 2: {('徐崢', '黃渤'): 7}} print(rules)
[{徐崢} -> {黃渤}]
通過(guò)上述分析可以看出:
在寧浩的電影中,用的最多的是黃渤和徐崢,黃渤9次,支持度100%,徐崢7次,支持度78%,('徐崢', '黃渤') 同時(shí)出現(xiàn)7次,置信度為100%,看來(lái)有徐崢,必有黃渤,真是寧浩必請(qǐng)的黃金搭檔。
當(dāng)然,這個(gè)數(shù)據(jù)量比較小,基本上肉眼也能看出來(lái),這里只是提供一個(gè)分析案例,鞏固下基礎(chǔ)知識(shí),大規(guī)模的數(shù)據(jù),人眼無(wú)法直接感知的時(shí)候,算法的挖掘與發(fā)現(xiàn),就顯得特別有意義了。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
LSTM 模型輸入長(zhǎng)度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長(zhǎng)序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報(bào)考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計(jì)的實(shí)用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強(qiáng)大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠(chéng)摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價(jià)值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡(jiǎn)稱 BI)深度融合的時(shí)代,BI ...
2025-07-10SQL 在預(yù)測(cè)分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢(shì)預(yù)判? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代,預(yù)測(cè)分析作為挖掘數(shù)據(jù)潛在價(jià)值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價(jià)值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報(bào)考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭(zhēng)搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢(shì)性檢驗(yàn):捕捉數(shù)據(jù)背后的時(shí)間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢(shì)性檢驗(yàn)如同一位耐心的偵探,專(zhuān)注于從單 ...
2025-07-09year_month數(shù)據(jù)類(lèi)型:時(shí)間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時(shí)間是最不可或缺的維度之一,而year_month數(shù)據(jù)類(lèi)型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗(yàn):數(shù)據(jù)趨勢(shì)與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢(shì)變化以及識(shí)別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國(guó)內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對(duì)策略? 長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨(dú)特的門(mén)控機(jī)制,在 ...
2025-07-07統(tǒng)計(jì)學(xué)方法在市場(chǎng)調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場(chǎng)調(diào)研是企業(yè)洞察市場(chǎng)動(dòng)態(tài)、了解消費(fèi)者需求的重要途徑,而統(tǒng)計(jì)學(xué)方法則是市場(chǎng)調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書(shū)考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動(dòng)力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專(zhuān)業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準(zhǔn)確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動(dòng)力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開(kāi)啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價(jià)值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03