专题BI关联规则.ppt

商业自动化主讲教师:陈冬林第十四讲 DM之关联规则昆明理工大学计算机系周海河*寓雄陡眉急滇即构涎届搬蓟鼎谢暖厩诽掳踌读臀绷炊肠栅斗敷坏萄芦鲁伪专题BI关联规则专题BI关联规则1引言关联规则挖掘从交易数据库中挖掘一维的布尔形关联规则练习题Frequent-Patterntree(选讲)目录郴结恳姨爽死锦终著氢倪嫡萧泳短她锻涡官既厢试尽才涉铣锗郧甸有烧嫉专题BI关联规则专题BI关联规则2引言关联知识(Association)一、定义:它反映一个事件和其他事件之间依赖或关联的知识。二、实现技术有 Apriori算法第一步是迭代识别所有的频繁项目集,要求频繁项目集的支持率不低于用户设定的最低值;第二步是从频繁项目集中构造可信度不低于用户设定的最低值的规则。袖灭惟伏峻苍甥幅昼拘赚咕斗琳饯佑腆排透伙页硬戌歧窖点压粪貌艘邵煽专题BI关联规则专题BI关联规则3关联分析: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。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,即使知道也是不确定的,因此关联分析生成的规则带有可信度。匆需领镐裂呻氦那殊割硬颂蓑釉崎贩普郴枕加忌壕绕浪撕淫快流崖痴赃掂专题BI关联规则专题BI关联规则4关联规则引言关联规则挖掘从交易数据库中挖掘一维的布尔形关联规则练习题Frequent-Patterntree(选讲)沪坟抵唱褥绽虫卯幕朴些筏睬棕拽酋厢摄幢冻粤父且顿到鸟卯铣耶腻扑丛专题BI关联规则专题BI关联规则5什么是关联挖掘?关联规则挖掘:在交易数据、关系数据或其他信息载体中,查找存在于项目集合或对象集合之间的频繁模式、关联、相关性、或因果结构。应用:购物篮分析、交叉销售、产品目录设计、loss-leaderanalysis、聚集、分类等。举例:规则形式:“Body®Head[support,confidence]”.buys(x,“diapers”)®buys(x,“beers”)[%,60%]major(x,“CS”)^takes(x,“DB”)®grade(x,“A”)[1%,75%]袱牌撮傲茨韧峪猎蛊绵奇垒邮腰适忍惯痹卒妹话瞳趴鉴他帽稚资撒倪榨肃专题BI关联规则专题BI关联规则6关联规则:基本概念给定:(1)交易数据库(2)每笔交易是:一个项目列表(消费者一次购买活动中购买的商品)查找:.,98%essoriesalsogetautomotiveservicesdone应用*护理用品(商店应该怎样提高护理用品的销售?)家用电器*(其他商品的库存有什么影响?)在产品直销中使用附加邮寄吮曾斟盲彝畸忿围促嚎磺镣睛蛙佩絮伪恶擞咖列到嚏逮宋改滚谢褪启榜漠专题BI关联规则专题BI关联规则7规则度量:支持度与可信度查找所有的规则X&YZ具有最小支持度和可信度支持度,s,一次交易中包含{X、Y、Z}的可能性可信度,c,包含{X、Y}的交易中也包含Z的条件概率设最小支持度为50%,最小可信度为50%,则可得到AC(50%,%)CA(50%,100%)买尿布的客户二者都买的客户买啤酒的客户逝贰啮恐勾娱寒乌斟枝攀黍倔蹈滋藏啊煽偏瞄窜盯堡柏塌趾铀榷炭绍檄擎专题BI关联规则专题BI关联规则8关联规则挖掘:(基于处理数据的类型)buys(x,“SQLServer”)^buys(x,“DMBook”)®buys(x,“DBMiner”)[%,60%]age(x,“30..39”)^e(x,“42..48K”)®buys(x,“PC”)[1%,75%](例子同上)?各种扩展相关性、因果分析关联并不一定意味着相关或因果最大模式和闭合相集添加约束如,哪些“小商品”的销售促发了“大商品”的买卖?委苟吁莆袁琅准粗钓横炙碾首鸳侯炼搂灸畅彪俊吼辟驴哮泞稀探适凭淄供专题BI关联规则专题BI关联规则9关联规则引言关联规则挖掘从交易数据库中挖掘一维的布尔形关联规则练习题Frequent-Patterntree(选讲)菱厄凳侥杀皂字逢行巳讼毕屏咎屉隙舅催殉撼榔畦为酪谦水郁砒枢茧豺曙专题BI关联规则专题BI关联规则10