Matlab关键规则挖掘尿片啤酒,电商数据挖掘:“啤酒+尿布”的关联算法规则
所谓关联,反映的是一个事件和其他事件之间依赖或关联的知识。当我们查找英文文献的时候,可以发现有两个英文词都能形容关联的含义。第一个是相关性relevance,第二个是关联性association,两者都可以用来描述事件之间的关联程度。其中前者主要用在互联网的内容和文档上,比如搜索引擎算法中文档之间的关联性,我们采用的词是relevance;而后者往往用在实际的事物之上,比如电子商务网站上的商品之间的关联度我们是用association来表示的,而关联规则是用association rules来表示的。
如果两项或多项属性之间存在关联,那么其中一项的属性值就可以依据其他属性值进行预测。简单地来说,关联规则可以用这样的方式来表示:A→B,其中A被称为前提或者左部(LHS),而B被称为结果或者右部(RHS)。如果我们要描述关于尿布和啤酒的关联规则(买尿布的人也会买啤酒),那么我们可以这样表示:买尿布→买啤酒。
关联算法的两个概念
在关联算法中很重要的一个概念是支持度(Support),也就是数据集中包含某几个特定项的概率。
比如在1000次的商品交易中同时出现了啤酒和尿布的次数是50次,那么此关联的支持度为5%。
和关联算法很相关的另一个概念是置信度(Confidence),也就是在数据集中已经出现A时,B发生的概率,置信度的计算公式是 :A与B同时出现的概率/A出现的概率。
数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的取值之间存在某种规律性,就称为关联。关联可分为简单关联、时序关联、因果关联等。关联分析的目的是找出数据库中隐藏的关联网。有时并不知道数据库中数据的关联函数,或者即使知道也是不确定的,因此关联分析生成的规则带有置信度。
关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。它在数据挖掘中是一个重要的课题,最近几年已被业界所广泛研究。
关联规则挖掘的一个典型例子是购物篮分析。关联规则研究有助于发现交易数据库中不同商品(项)之间的联系,找出顾客购买行为模式,如购买了某一商品对购买其他商品的影响。分析结果可以应用于商品货架布局、货存安排以及根据购买模式对用户进行分类。
关联规则的发现过程可分为如下两步:
第一步是迭代识别所有的频繁项目集(Frequent Itemsets),要求频繁项目集的支持度不低于用户设定的最低值;
第二步是从频繁项目集中构造置信度不低于用户设定的最低值的规则,产生关联规则。识别或发现所有频繁项目集是关联规则发现算法的核心,也是计算量最大的部分。
支持度和置信度两个阈值是描述关联规则的两个最重要的概念。一项目组出现的频率称为支持度,反映关联规则在数据库中的重要性。而置信度衡量关联规则的可信程度。如果某条规则同时满足最小支持度(min-support)和最小置信度(min-confidence),则称它为强关联规则。
关联规则数据挖掘阶段
第一阶段必须从原始资料集合中,找出所有高频项目组(Large Itemsets)。高频的意思是指某一项目组出现的频率相对于所有记录而言,必须达到某一水平。以一个包含A与B两个项目的2-itemset为例,我们可以求得包含{A,B}项目组的支持度,若支持度大于等于所设定的最小支持度(Minimum Support)门槛值时,则{A,B}称为高频项目组。一个满足最小支持度的k-itemset,则称为高频k-项目组(Frequent k-itemset),一般表示为Large k或Frequent k。算法并从Large k的项目组中再试图产生长度超过k的项目集Large k+1,直到无法再找到更长的高频项目组为止。
关联规则挖掘的第二阶段是要产生关联规则。从高频项目组产生关联规则,是利用前一步骤的高频k-项目组来产生规则,在最小可信度(Minimum Confidence)的条件门槛下,若一规则所求得的可信度满足最小可信度,则称此规则为关联规则。
例如:经由高频k-项目组{A,B}所产生的规则,若其可信度大于等于最小可信度,则称{A,B}为关联规则。
就“啤酒+尿布”这个案例而言,使用关联规则挖掘技术,对交易资料库中的记录进行资料挖掘,首先必须要设定最小支持度与最小可信度两个门槛值,在此假设最小支持度min-support=5% 且最小可信度min-confidence=65%。因此符合需求的关联规则将必须同时满足以上两个条件。若经过挖掘所找到的关联规则 {尿布,啤酒}满足下列条件,将可接受{尿布,啤酒} 的关联规则。用公式可以描述为:
Support(尿布,啤酒)≥5% and Confidence(尿布,啤酒)≥65%。
其中,Support(尿布,啤酒)≥5%于此应用范例中的意义为:在所有的交易记录资料中,至少有5%的交易呈现尿布与啤酒这两项商品被同时购买的交易行为。Confidence(尿布,啤酒)≥65%于此应用范例中的意义为:在所有包含尿布的交易记录资料中,至少有65%的交易会同时购买啤酒。
因此,今后若有某消费者出现购买尿布的行为,我们将可推荐该消费者同时购买啤酒。这个商品推荐的行为则是根据{尿布,啤酒}关联规则而定,因为就过去的交易记录而言,支持了“大部分购买尿布的交易,会同时购买啤酒”的消费行为。
从上面的介绍还可以看出,关联规则挖掘通常比较适用于记录中的指标取离散值的情况。
如果原始数据库中的指标值是取连续的数据,则在关联规则挖掘之前应该进行适当的数据离散化(实际上就是将某个区间的值对应于某个值),数据的离散化是数据挖掘前的重要环节,离散化的过程是否合理将直接影响关联规则的挖掘结果
Matlab关键规则挖掘尿片啤酒,电商数据挖掘:“啤酒+尿布”的关联算法规则相关推荐
- 【报告分享】2021年中国五大主流电商平台关于用户数据的最新规则汇总.pdf(附下载链接)...
省时查报告-专业.及时.全面的行研报告库 省时查方案-专业.及时.全面的营销策划方案库 大家好,我是文文(微信号:sscbg2020),今天给大家分享纷析智库和夸克网于2021年9月份联合发布的报告& ...
- 独立站跨境电商怎么做?防关联真的很重要!
从五月份亚马逊封号浪潮开始,"独立站"这个词就引发了跨境电商商家们的热烈讨论."独立站"这个词每次出现,还会伴随着"电商独立站,外贸独立站,跨境电商独 ...
- 跨境电商收款账号一样会关联吗?谁能告诉?
对于小伙伴而言,最大的噩梦应该就是店铺关联导致被封号吧!这样前期的一切努力都白费了,所以大家对于关联问题非常慎重.这不有人问,跨境电商收款账号一样会关联吗? 跨境电商收款账号一样会关联吗?谁能告诉? ...
- Matlab关键规则挖掘尿片啤酒,数据挖掘:“啤酒+尿布”的关联规则是怎么来的?...
关联,其实很简单,就是几个东西或者事情 是经常同时呈现 的,"啤酒+尿布"就是十分 典型的两个关联商品. 假定 两项或多项属性之间存在关联,那么其中一项的属性值就能够 依据 其他属 ...
- 对话淘宝无线王五洲:移动电商将改变许多现有的商业规则
本月23日在深圳五洲宾馆举行的电商论坛,我们在移动电商的分论坛现场见到了淘宝无线事业部总监王五洲先生,就移动电商和淘宝无线的一些问题,我们和王五洲先生做了一次简短的对话,此次对话让我们对淘宝无线以及国 ...
- 企立方电商:拼多多切记遵守平台规则
要想在拼多多开店,商家就要必须遵守平台的规则,那么我们发货规则就要多多的注意,这也快到年底了,很多商家都在担心发货的问题,那么我们就要担心一个问题,商家们会受到什么惩罚呢?跟着企立方电商小编往下看看吧 ...
- 【电商】mysql 建表的一些规则 和注意事项
文章目录 1.背景 2. 建表规范 2.1命名规则 [推荐]库名与应用名称尽量一致. [强制]表名 不使用复数名词 [强制]字段名 必须使用小写字母,禁止出现数字开头禁止两个下划线中间只出现数字. [ ...
- 跨境电商与时俱进,流星汇聚紧跟新规则做优质服务
传统的亚马逊营销主要是通过广告和平台自然流量来促进销量的增长.现在这种营销方式因为短视频种草等的冲击受到影响,激发亚马逊卖家多渠道营销实现增长,现在亚马逊平台也开通了直播带货.视频展示产品等功能.武汉 ...
- 全面解析电商数据挖掘之关联算法
所谓关联,反映的是一个事件和其他事件之间依赖或关联的知识.当我们查找英文文献的时候,可以发现有两个英文词都能形容关联的含义.第一个是相关性relevance,第二个是关联性association,两者 ...
最新文章
- Scratch青少年编程能力等级测试模拟题(四级)
- STM32 基础系列教程 15 - SPI
- java变换变量赋值_Java变量的类型转换
- 修改工程生成的文件类型
- Mysql数据库设计规范之四数据库操作行为规范
- 计算机桌面文字显示软件,电脑桌面添加文字_电脑桌面添加文字软件
- (转) Arcgis for Javascript实现两个地图的联动
- HTML(XHTML)基础知识(三)——【image】
- 【POJ3630】Phone List(字典树)
- 冒泡排序 C语言(从大到小排序)
- pytorch torchvision 各种版本whl下载地址
- Unity经验分享——如何实现黑洞吸附效果
- 前后端分离的好处有哪些?
- EndNote插入word不出现上角标,插入文献前不出现数字解决方案
- android连接wifi不能上网,手机已经连接wifi但无法上网的详细解决方法
- 如何使用unirest
- Word文档如何进行拆分成多个文档?
- mac删除自带的 ABC 输入法
- python创意编程培训 体会_省人工智能和创意编程教学研讨会学习心得
- 6-2 成绩单求平均成绩 (10分)
热门文章
- 痞子衡嵌入式:无线通信技术协议全搜罗 - 索引
- Gym-100676E Time Limit Exceeded?
- java多线程 -- 创建线程的第三者方式 实现Callable接口
- CCF认证历年试题解【网上跟帖,请不要使用称呼】
- spring mvc(注解)上传文件的简单例子
- MongoDB查询(上)
- [转]自适应网页设计(Responsive Web Design)
- 使用jquery在新窗口中打开外部链接
- 获取 iPhone 上联系人姓名、电话、邮件的代码
- vue中地图怎么标记数据库传过来的点_【Point小数点 图表挑战总结03】如何使用六边形网格地图(下)...