《R语言数据挖掘》第十章-R的关联分析：揭示数据关联性.ppt

第十章
R的关联分析：揭示数据
关联性
学习目标
理论方面，理解简单关联和时序关联的含义，各种关联算法的特点、核心原理和基本实现思路，掌握不同方法的适用性和应用场景
实践方面，掌握R的各种关联算法实现、应用以及结果解读，能够正确运用不同关联算法解决找到实际数据中的各种关联性
关联分析
关联分析是揭示数据内在结构特征的重要手段
关联分析的目的就是基于已有数据，找到事物间的简单关联关系或序列关联关系
数据挖掘中，关联分析成果（即关联关系）的核心体现形式是关联规则（Association Rule）
简单关联规则
序列关联规则
简单关联规则及其测度
理解简单关联规则的前提是理解事务和项集
简单关联分析的分析对象是事务（Transaction）。事务可理解为一种商业行为，含义极为宽泛
事务通常由事务标识（TID）和项目集合X组成。事务标识是确定一个事务的唯一标识；项目集合简称项集，是一组项目的集合
简单关联规则及其测度
简单关联规则
例：面包牛奶（S=85%，C=90%）
例：性别(女) ∩ 收入(>5000)品牌(A)（S=80%，C=85%）
简单关联规则及其测度
简单关联规则的有效性评价
规则置信度：是对简单关联规则准确度的测量，定义为包含项目X的事务中同时也包含项目Y项的概率，反映X出现条件下Y出现的可能性
规则支持度：测度了简单关联规则应用的普适性，定义为项目X和项目Y项同时出现的概率
前项支持度和后项支持度
简单关联规则及其测度
简单关联规则的有效性评价
一个有效的简单关联规则应具有较高的置信度和较高的支持度
大于最小置信度和支持度阈值的规则是有效规则
规则置信度、规则支持度、前项支持度和后项支持度与统计中的列联表密切相关
简单关联规则及其测度
简单关联规则的实用性评价
简单关联规则应具有实际意义
例：牛奶性别（男）（S=40%，C=40%）。在最小置信度和支持度为20%时该规则是一条有效规则
规则反映的是一种前后项无关联下的随机性关联，没有提供更有意义的指导性信息
简单关联规则及其测度
简单关联规则的实用性评价
简单关联规则应具有指导意义
例：成绩(优异)早餐(吃)（S=30%，C=60%），在最小置信度和支持度为20%时该规则是一条有效规则
规则没有指导意义
简单关联规则及其测度
简单关联规则的实用性评价
规则的提升度（Lift）定义为：规则置信度与后项支持度之比
规则提升度反映了项目X的出现对项目Y（研究项）出现的影响程度
有实用价值的简单关联规则应是规则提升度大于1的规则，意味着X的出现对Y的出现有促进作用。规则提升度越大越好