文件名称：理解关联规则分析-tinyxml指南[中文]
文件大小：6.46MB
文件格式：PDF
更新时间：2024-07-04 16:39:23
RapidMiner
第8章 关联分析与关联规则 8.1 理解关联规则分析 下面通过餐饮企业中的一个实际情景引出关联规则的概念。客户在餐厅点餐时，面对菜 单中大量的菜品信息，往往无法迅速找到满意的菜品，既增加了点菜的时间，也降低了客户 的就餐体验。实际上，菜品的合理搭配是有规律可循的：顾客的饮食习惯、菜品的荤素和口 味，有些菜品之间是相互关联的，而有些菜品之间是对立或竞争关系（负关联），这些规律 都隐藏在大量的历史菜单数据中，如果能够通过数据挖掘发现客户点餐的规则，就可以快速 识别客户的口味，当他下了某个菜品的订单时推荐相关联的菜品，引导客户消费，提高顾客 的就餐体验和餐饮企业的业绩水平。 关联规则分析也成为购物篮分析，最早是为了发现超市销售数据库中不同的商品之间的 关联关系。例如一个超市的经理想要更多地了解顾客的购物习惯，比如“哪组商品可能会在 一次购物中同时购买？”或者“某顾客购买了个人电脑，那该顾客三个月后购买数码相机的 概率有多大？”他可能会发现如果购买了面包的顾客同时非常有可能会购买牛奶，这就导出 了一条关联规则“面包=>牛奶”，其中面包称为规则的前项，而牛奶称为后项。通过对面包 降低售价进行促销，而适当提高牛奶的售价，关联销售出的牛奶就有可能增加超市整体的利 润。 关联规则分析是数据挖掘中最活跃的研究方法之一，目的是在一个数据集中找出各项之 间的关联关系，而这种关系并没有在数据中直接表示出来。 8.1.1 常用关联规则算法 常用关联算法如所表 8-1 所示。 表 8-1 常用关联规则算法 算法名称 算法描述 Apriori 关联规则最常用也是最经典的挖掘频繁项集的算法，其核心思想是 通过连接产生候选项及其支持度然后通过剪枝生成频繁项集。