99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話:13121318867

登錄
首頁(yè)大數(shù)據(jù)時(shí)代理解關(guān)聯(lián)規(guī)則算法
理解關(guān)聯(lián)規(guī)則算法
2021-03-15
收藏

來(lái)源:AI入門(mén)學(xué)習(xí)

作者:小伍哥

理解<a href='/map/guanlianguize/' style='color:#000;font-size:inherit;'>關(guān)聯(lián)規(guī)則</a>算法

一、基礎(chǔ)概念

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:

理解<a href='/map/guanlianguize/' style='color:#000;font-size:inherit;'>關(guān)聯(lián)規(guī)則</a>算法

01)支持度

支持度 (Support):指某個(gè)商品組合出現(xiàn)的次數(shù)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。

理解<a href='/map/guanlianguize/' style='color:#000;font-size:inherit;'>關(guān)聯(lián)規(guī)則</a>算法

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

理解<a href='/map/guanlianguize/' style='color:#000;font-size:inherit;'>關(guān)聯(lián)規(guī)則</a>算法

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

理解<a href='/map/guanlianguize/' style='color:#000;font-size:inherit;'>關(guān)聯(lián)規(guī)則</a>算法

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?

理解<a href='/map/guanlianguize/' style='color:#000;font-size:inherit;'>關(guān)聯(lián)規(guī)則</a>算法

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

理解<a href='/map/guanlianguize/' style='color:#000;font-size:inherit;'>關(guān)聯(lián)規(guī)則</a>算法

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

理解<a href='/map/guanlianguize/' style='color:#000;font-size:inherit;'>關(guān)聯(lián)規(guī)則</a>算法

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。

二、算法介紹

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}]

三、挖掘?qū)嵗?

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

理解<a href='/map/guanlianguize/' style='color:#000;font-size:inherit;'>關(guān)聯(lián)規(guī)則</a>算法

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

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1:配置參數(shù) // 參數(shù)2:回調(diào),回調(diào)的第一個(gè)參數(shù)驗(yàn)證碼對(duì)象,之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個(gè)配置參數(shù)為必須,不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺(tái)檢測(cè)極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時(shí)表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式,包括:float,popup width: "280px", https: true // 更多配置參數(shù)說(shuō)明請(qǐng)參見(jiàn):http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計(jì)時(shí)完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請(qǐng)輸入'+oInput.attr('placeholder')+'!'; var errTxt = '請(qǐng)輸入正確的'+oInput.attr('placeholder')+'!'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }