关联规则简介：
关联规则虽然来源于
POS
中，但是可以应用于很多领域。只要一个客户在同一个时间里买了多样东西，或者在一段时间了做了好几样事情就可能是一个潜在的应用。例如：- 用信用卡购物，如汽车租金和旅馆费，可以看他下一个要买的东西。
- 电话公司提供的多项服务，以研究捆绑销售的问题。
- 银行提供的多项服务，来分析客户可能需要那些服务。
- 不寻常的多项保险申请可能是欺诈行为。
数据挖掘什么时候有用？三种规则：有用的、价值不高的、费解的。价值不高的规则往往是对一些商业领域内的规则重现。费解的规则往往是数据中一些偶然的东西，从而也没有什么采取行动的价值。
虚拟元素（
Virtual Items
）是一个在事务中认为加入的元素。用来对事务进行一定的区别。加入虚拟元素后我们能做的事情：- 对比促销时和平常销售时的区别。
- 按照销售的区域来看，按照销售的方式来看。
- 比较城市和郊区的区别。
- 比较各个季节的不同。
数据挖掘的基本流程：
选择合适的元素。考虑不同的统计级别，选择哪种细节程度。细节的颗粒越粗，那么算法的工作量就越小；细节的颗粒越细，那么结果的可实施性就越好。关键：只有当数据中的元素出现的次数大致相同是，关联规则的效果才最好。虚拟元素不能太多！应该注意数据的质量。
产生规则。什么是规则？就是一个条件和一个结果的和：
If condition then result
。实际中有用的往往是结果中只有一个元素的情况。支持度、可信度和提高率（兴趣度）。
|
元组
|
出现频率
|
|
A
|
45%
|
|
B
|
42.5%
|
|
C
|
40%
|
|
A和B
|
25%
|
|
A和C
|
20%
|
|
B和C
|
15%
|
|
A和B和C
|
5%
|
支持度：就是一个元组在整个数据库中出现的概率。如上面的例子中
S(A)=0.45
。可信度：它是针对规则而言的。对于一般的规则，它的可信度
=p
（
condition and result
）
/p
（
condition
）。例如有如下规则：
If B and C then A
。则它的可信度是：
p
（
B and C and A
）
/p
（
B and C
）
=5%/15%=0.33
。提高率（或者叫兴趣度）：对于上面的一个规则，我们可以发现，当我们从从数据库中直接取
A
的时候，概率是
45%
；可在我们的规则中，取到
A
的概率却只有
33.3%
。显然，这种情况是我们不愿意见到的，我们应该略去这样的一些规则。所以我们引入了兴趣度的概念，具体的公式如下：兴趣度
=p(condition and result)/p(condition)*p(result)
。当兴趣度大于
1
的时候，这条规则就是比较好的；当兴趣度小于
1
的时候，这条规则就是没有很大意义的。兴趣度越大，规则的实际意义就越好。
- 克服实际应用中数据量暴大的问题。当数据量增大时，要考虑的元素组就增长的很快了。
分裂规则：例如：If A and not B then C。
用关联规则的方法对序列规则的分析：
为了进行序列模式的分析，事务数据要满足额外的两个条件：
- 一个时标或者序列信息用以决定事务发生的顺序。
- 标识信息，用以区别不同的事务。
可以用于原因结果分析。
关联规则的优缺点：
优点：
- 它可以产生清晰有用的结果。
- 它支持间接数据挖掘。
- 可以处理变长的数据。
- 它的计算的消耗量是可以预见的。
缺点：
- 当问题变大时，计算量增长得厉害。
- 难以决定正确的数据。
- 容易忽略稀有的数据。
凡是有该标志的文章，都是该blog博主Caoer（草儿）原创，凡是索引、收藏
、转载请注明来处和原文作者。非常感谢。