数据分析系列--④RapidMiner进行关联分析(案例)

计算项集 {牛奶, 面包} 的支持度：
- 包含 {牛奶, 面包} 的交易：交易 1、3、5。
- 总交易数：5。
- 支持度 = 3 / 5 = 0.6（即 60%）。
计算规则 {牛奶} → {面包} 的支持度：
- 同时包含 {牛奶} 和 {面包} 的交易：交易 1、3、5。
- 总交易数：5。
- 支持度 = 3 / 5 = 0.6（即 60%）。

1.3.5 支持度的调整

最小支持度阈值：
- 设置过高的阈值可能会漏掉一些有意义的低频模式。
- 设置过低的阈值可能会产生大量无意义的规则。
- 通常需要根据数据规模和业务需求进行调整。

1.3.6 支持度与其他指标的关系

置信度（Confidence）：
- 置信度衡量规则的可靠性，计算公式为：
- 支持度是置信度计算的基础。
提升度（Lift）：
- 提升度衡量规则的相关性，计算公式为：
- 支持度也是提升度计算的基础。

1.4置信度（Confidence）

规则的可靠性。例如，规则 {牛奶} → {面包} 的置信度为 80%，表示在购买牛奶的交易中，80% 也购买了面包。

1.5提升度（Lift）

衡量规则的相关性。提升度 > 1 表示正相关，< 1 表示负相关。用于评估两个事件之间的关联强度，以及一个事件的发生对另一个事件发生的概率的影响.比如该用户长时间不购买牛奶会不会影响其购买面包等.

1.5.1Lift说明

提升度（Lift）表示在给定条件下（例如，事件A发生的情况下），事件B发生的概率与不考虑该条件时事件B发生的概率之比。其数学公式为：

其中：

P(A∩B) 表示事件A和事件B同时发生的概率。
P(A) 表示事件A发生的概率。
P(B) 表示事件B发生的概率。

提升度衡量的是规则 {A} → {B} 的相关性，具体定义为：

1.5.2提升度的意义

Lift = 1：
- 表示 A 和 B 是独立的，两者之间没有相关性。
Lift > 1：
- 表示 A 和 B 是正相关的，A 的出现会提高 B 出现的概率。
- 例如，Lift = 2 表示在 A 出现的情况下，B 出现的概率是原本的 2 倍。
Lift < 1：
- 表示 A 和 B 是负相关的，A 的出现会降低 B 出现的概率。

1.5.3提升度的计算示例

假设有以下交易数据：

交易ID	商品A	商品B
1	是	是
2	是	否
3	否	是
4	否	否

Support(A)：商品 A 出现的频率 = 2/4 = 0.5
Support(B)：商品 B 出现的频率 = 2/4 = 0.5
Support(A ∪ B)：商品 A 和 B 同时出现的频率 = 1/4 = 0.25

计算提升度：

1.5.4提升度的应用

①评估规则的有效性:提升度 > 1 的规则通常更有意义，表明 A 和 B 之间存在正相关。

②优化营销策略 :例如，如果 {牛奶} → {面包} 的提升度为 2，可以在牛奶附近摆放面包，促进销售。

③过滤无效规则：提升度接近 1 的规则可能没有实际意义，可以忽略。

1.5.5. 提升度与其他指标的关系

支持度（Support）：
- 衡量规则在数据中的普遍性。
置信度（Confidence）：
- 衡量规则的可靠性。
提升度（Lift）：
- 衡量规则的相关性。

1.5.6在 RapidMiner 中使用提升度

①使用 FP-Growth 算子生成频繁项集。

②使用 Create Association Rules 算子生成规则，并设置最小提升度阈值。

③在结果中查看每条规则的提升度，筛选出有意义的规则。

2.关联分析的目标

"购买商品 A 的顾客也倾向于购买商品 B" ,支持这个目标的项集（Itemset）、规则（Rule）、支持度（Support）、置信度（Confidence）、提升度（Lift） 分别是什么，是否靠谱**。**

二、关联分析实践

说明:数据预处理部分参照数据分析系列--③RapidMiner算子说明及数据预处理中的步骤,只是将数据表改为AssociationAnalysisData.xlsx .

1.表Attributes说明

|-------------------|---------------------------------------------------------------------------|
| 表属性数据说明 ||
| Elapsed_Time | : 每个调查对象完成调查所用的时间。精确到0.01分钟。 |
| Time_in_Community | : 用于询问调查对象在该社区的居住时间是0-2年、3-9年，还是10年以上，并在数据集中分别记录为"Short"、"Medium"或"Long"。 |
| Gender | : 调查对象性别。 |
| Working | : 调查对象是否从事有薪工作，结果为yes/no。 |
| Age | : 调查对象年龄。 |
| Family | : 调查对象是否结婚，结果为yes/no。 |
| Hobbies | : 调查对象是否参与兴趣爱好协会，结果为yes/no。 |
| Social_Club | : 调查对象是否参与社会组织，结果为yes/no。 |
| Political | : 调查对象是否参与政治组织，结果为yes/no。 Professional: 调查对象是否参与专业组织，结果为yes/no。 |
| Religious | : 调查对象是否参与教会组织，结果为yes/no。 |
| Support_Group | : 调查对象是否参与援助导向型组织，结果为yes/no。 |