事實上，你想買啥，電商網站都知道！當我們在某電商網站搜索“數據挖掘”的書時，商品頁面會同時推薦一些其它類似的書籍，這里面就用到了“剁手黨們”天天接觸到的關聯規則挖掘技術。

關聯規則（Association Rules）是反映一個事物與其他事物之間的相互依存性和關聯性，如果兩個或多個事物之間存在一定的關聯關系，那么，其中一個事物就能通過其他事物預測到。關聯規則是數據挖掘的一個重要技術，用于從大量數據中挖掘出有價值的數據項之間的相關關系。

關聯規則挖掘的最經典的例子就是沃爾瑪的啤酒與尿布的故事。通過對超市購物籃數據進行分析，發現美國婦女們經常會叮囑丈夫下班后為孩子買尿布，30%-40%的丈夫同時會順便購買喜愛的啤酒，超市就把尿布和啤酒放在一起銷售增加銷售額。所以關聯規則挖掘有時也叫購物籃分析。（注：本文所使用數據分析工具為億信華辰的億信BI）

關聯規則挖掘方法

一、支持度和置信度

要了解關聯規則，就要了解什么是“經常同時購買”。這是通過支持度（support）與置信度（confidence）來衡量的。

支持度：support(A-->B) = |AB|/|N|

商品A和B（如啤酒和尿布） 同時出現在同一個購物清單中的數量 / 總的購物清單數。

置信度：confidence(A-->B) = |AB|/|A|

同時出現在同一個購物清單中的數量/A出現的數量。即規則A-->B的可信度。

可信度是對關聯規則的準確度的衡量，支持度是對關聯規則重要性的衡量。

支持度說明了這條規則在所有事務中有多大的代表性，顯然支持度越大，關聯規則越重要。

關聯規則有很多不同的算法，下面介紹兩種最經典的算法。

二、Apriori算法

Apriori算法是一種對有影響的挖掘布爾關聯規則頻繁項集的算法，通過算法的連接和剪枝即可挖掘頻繁項集。

Apriori算法將發現關聯規則的過程分為兩個步驟：

1. 通過迭代，檢索出事務數據庫中的所有頻繁項集，即支持度不低于用戶設定的閾值的項集；

2. 利用頻繁項集構造出滿足用戶最小置信度的規則。

挖掘或識別出所有頻繁項集是該算法的核心，占整個計算量的大部分。

?

三、FP-Growth算法

FP-Growth算法通過構造一個樹結構來壓縮數據記錄，使得挖掘頻繁項集只需要掃描兩次數據記錄，而且該算法不需要生成候選集合，所以效率會比較高。FP-Growth算法主要步驟：

1. 利用數據集中的數據構造FP-Tree。

從空集開始，將過濾和重排序后的頻繁項集依次添加到樹中。

?

2. 從FP-Tree中挖掘頻繁模式。

構建好 FPFP 樹后，即可抽取頻繁項目集，其思路與 Apriori 算法類似——先從單元素頻繁項目集開始，然后逐步構建更大的頻繁項目集。

?

關聯規則挖掘的步驟

接下來我們在WonderDM中介紹一下進行關聯規則挖掘的步驟。

準備數據

我們準備了某超市的一些購物籃數據。

?

該數據集有7個字段。根據關聯規則的挖掘特性，需要選擇一個事務字段和一個事項字段。不然發現，CARD_NO(卡號)字段同一卡號購買過多種不同商品，可作為事務字段，而GOODS(購買商品)字段可作為事項字段。另外，界面信息顯示，該數據集有2800條購買數據，由939個客戶(卡號)購買了11種不同商品，符合“經常同時購買”的特征。

接下來我們開始用數據集訓練一個合適的關聯規則模型。

訓練模型

先創建一個挖掘過程，選擇關聯規則FP-Growth進入挖掘過程界面。

系統內置了兩種關聯規則算法，他們的參數設置都一樣。我們選擇性能較好的FP-Growth算法。再選擇“購物籃”數據集，選擇CARD_NO字段為事務字段，GOODS字段為項字段，設置所有數據參與挖掘(100%抽樣)。最低支持度設置為5項，最小可信度設置為40%。注意，這兩個參數設置過大，可能挖掘不出關聯規則，可根據實現情況調整。點擊”訓練模型”菜單查看訓練出來的關聯規則。

?

如上圖所示，該模型挖掘到了100條關聯規則。每條關聯規則左邊代表。

系統雖然內置了FP-Growth和Apriori兩種挖掘算法，而且操作方法一樣，但它們還是存在以下特點：

Apriori算法效率較低，計算過程中需要多次掃描整個數據集，占用較多的內存和計算時間；

FP-Growth算法效率較高，只需要掃描兩次數據集，占用更少的內存和計算時間。但對于長事務(同一事務，很多事項)，會造成FP樹深度過大，計算時間顯著增加。

所以在選擇算法時，絕大部分情況下，可以優先選擇FP-Growth算法。

模型應用

關聯規則模型的應用同其它類型的挖掘模型，也是要先發布選擇好的關聯規則模型，再制作相應的模型應用用于關聯規則的顯示和查詢。這里就不重復講解了。

小 結

關聯規則挖掘的應用領域非常多，但凡需要分析事物和事物間的頻繁模式的場景，都可以用到關聯規則挖掘。這項技術在一些眾所周知的行業有了許多成熟應用，例如：

• 電商或零售業的商品推薦

• 百度文庫推薦相關文檔

• 醫療推薦可能的治療組合

• 生物研究中，發現有毒植物的共性特征，識別有毒植物

• 銀行推薦相關聯業務

• 搜索引擎推薦相關搜索關鍵詞

• 門戶網站通過點擊流分析熱點新聞

看到這些應用，你是不是也想為你的系統增加智能推薦的神奇功能呢？

億信BI是億信華辰公司在多年數據分析挖掘、報表處理的技術經驗基礎上，運用先進的數據倉庫、商務智能核心理論，經過多年的潛心研發而推出的商務智能產品軟件。強大的分析引擎、成熟的并行計算技術，為數不多的可以面向業務人員的BI平臺。