R语言数据分析与挖掘 课件 第3章 关联分析

第3章关联分析Part/

01关联分析的准备工作以对消费者的建模为例，举一些场景下的常用算法对应：划分消费者群体：聚类，分类；购物篮分析：相关，聚类；购买额预测：回归，时间序列；满意度调查：回归，聚类，分类；什么是关联分析数据挖掘主要模型：分类、聚类、预测及关联什么是关联分析什么是关联分析什么是关联分析

关联规则算法常用来描述数据之间的相关关系，关联规则模式属于描述型模式，挖掘关联规则的算法和聚类算法类似，属于无监督学习的方法。什么是关联分析

关联规则就是由关联的规则，它的定义是：两个不相交的非空集合X、Y，如果由X->Y，就说X->Y是一条关联规则。其中X表示的是两个互斥事件，X称为前因(antecedent)，Y称为后果(consequent)，上述关联规则表示X会导致Y。关联规则的强度用支持度（support）和置信度（confidence）来描述。在实际应用中，商品在销售中存在一定的关联性。如果大量的数据表明，消费者购买A产品的同时也会同时购买B产品，那么A和B之间存在关联性，记为A->B。例如，在超市中，常常会看到两个商品的捆绑销售，很有可能就是关联分析的结果。什么是关联分析什么是关联分析时间（Time）商品（Items）T1｛牛奶,面包｝T2｛面包,尿布,啤酒,鸡蛋｝T3｛牛奶,尿布,啤酒,可乐｝T4｛面包,牛奶,尿布,啤酒｝T5｛面包,牛奶,尿布,可乐｝Part/

02Apriori规则1使用Apriori规则完成关联挖掘Apriori是广为人知的关联规则挖掘算法，它依靠逐层的广度优先策略生成候选项集，首先逐层找到所有的频繁项集(项集支持度大于给定值)，例如先找到1-频繁项集，然后基于1-频繁项集找到2-频繁项集，依次递归，基于k-频繁项集生成新的k+1频繁项集，直至找不到新的频繁项集为止。Apriori原理（1）寻找所有不低于最小支持度的项集（频繁项集）；（2）使用频繁项集生成规则。PS：

支持度：数据集中包含该项集的记录所占的比例；

频繁项集：支持度大于最小支持度的项集。对数据集中的每条交易记录tran和每个候选项集can：

检查一下can是否是tran的子集：

如果是，则增加can的计数值

对每个候选项集：

如果其支持度不低于最小值，则保留该项集返回所有频繁项集列表生成候选项集工作流程发现关联规则当集合中项的个数大于0时：

构建一个k个项组成的候选项集的列表

检查数据以确认每个项集都是频繁的

保留频繁项集并构建k+1项组成的候选项集的列表规则原则2去掉冗余规则要去掉冗余规则，首先应找到冗余的规则。我们可以先基于提升度对规则排序，再调用is.subset函数找到已排序规则的子集，is.subset函数会产生一个itemMatrix对象。可以将下三角矩阵设置为NA，然后计算矩阵的colSums值，如果该值大于等于1，则意味着该指定规则是冗余的。当我们找到这些冗余规则后，就可以从已排序的规则中去掉它们。最后，再调用inspect函数验证这些冗余规则。3关联规则的可视化除了可以以文本形式展示关联规则外，我们还可以对规则进行可视化，以便更轻松地发现项集间的关联。接下来，我们将介绍如何使用arulesViz包实现关联规则的可视化。Part/

03Eclat挖掘使用Eclat挖掘频繁项集Apriori算法使用水平数据结构来存放事务，Eclat则使用垂直数据结构来存放每个事务的ID(tid)列表，在计算K+1项集的支持度时，Eclat算法只需要计算两个K项集的tid表的交集即可。Eclat算法也可从频繁项集中生成关联规则。使用cspade挖掘频繁时序模式序列模式挖掘常用方法是使用SPADE算法，该算法是时间序列频繁模式挖掘中的一种，使用垂直数据结构存放ID列表，数据库中每个输入序列都拥有一个SID值，而事件则拥有各自的EID值。SPADE算法采用Apr