【机器学习算法】关联规则-3 关联规则的指标问题和关联规则的使用方法

我的主页：晴天qt01的博客_CSDN博客-数据分析师领域博主

目前进度：第四部分【机器学习算法】

关联规则的指标问题和关联规则的使用方法

再谈评估指标

之前不论是APriori还是FPgrowth我们都是采用支持度和置信度来作为指标，

接下来我们就要探讨一下support和confident。

支持度与置信度的问题

基本上，我们采用这两个指标的原因，是因为这两个指标是属于比较客观的衡量，我们能有量化的标准筛选标准的规则。

那么如果我们去问某个人什么样的关联规则是你喜欢的，这种比较主观的规则，一般会是unexpected 是出乎意料的，是会让使用者感觉新奇和惊讶的规则。 这种就是它感兴趣的。比如说啤酒与尿布，原本想不到的。

第二种喜欢的关联规则是，客户希望是Actionable（the user can do something with it）是可以用来做活动，行动使用到的指标。

因为人是希望要主观，但是不能量化来表示，所以后来就用支持度和置信度来作为评估。

后来提出这两个指标的一年之后，有一个人就想推翻这两个指标，如果只用这两个规则来筛选关联规则会有些问题。他举了2个例子

第一个例子是：他们学校有5000个学生，然后经过调查，其中3000个打篮球，3750个是吃麦片的，有两千个既打篮球又吃麦片。

我们就会得到下面这张表。

​

然后现在把支持度定为百分之30，置信度定为百分之60%

现在我们就得到第一个关联规则：打篮球——》吃麦片的关联规则：（0.4，0.667）

然后我们就想到一个活动，如果我们促销篮球，那么麦片的数量会不会增加。实际实施的时候，就会发现，促销篮球，麦片的销量不仅没有增加反而减少了

这时我们就会想玩什么会出现这种现象，明明是有这种关联规则，然后他们发现了一个问题，我们看打篮球的人里面吃麦片的比例是2/3，不打篮球吃麦片的比例是7/8.不打篮球吃麦片的比例还更高，结果我们居然得到一条关联规则，打篮球的人会去吃麦片。这样的规则反而会误导我们营销的方向。

第二个例子：

我们现在有3个产品，XYZ

​

现在有8笔交易，第二笔交易3笔一起购买，

我们选择定了2条关联规则x—》Y，X—》Z。

​

我们发现这两个关联规则xy的关联规则支持度为百分之25，也就是说8笔里有2笔同时购买，xz，的支持度是百分之37.5，也就是8笔中有3笔同时购买。卖x4次的情况下，有2次都买了y。3次买了z。

那么显著让你判断，这2条规则那个是比较想要的关联规则，是xy比较好还是xz。因为xz的支持度和置信度都比xy高，所以我们认为xz是我比较想要的关联规则。

我们回到原始数据，买x的有3个卖了z，但是4个不买x的4个都买z了，所以你认为是买了x的偏向购买z还是不买x的偏向购买z。

所以xz也是一个误导规则。。

提升度指标

所以我们定义了支持度和置信度，很容易找到误导性规则，所以我们要多看一个。叫提升度的值。这就是我们统计里面的相关系数。如果我们考虑买什么就会买什么的情况，我们还要考虑它的相关系数。相关系数就是AB一起出现的概率，除以单独A或者单独B的概率。如果这个值为1的话，那么它们就是独立事件，不会互相影响。大于1的的话就是正相关（购买A则会购买B），小于1就是负相关（购买A就不会购买B）。

所以关联规则应该要有3个指标，支持度，置信度，提升度（相关系数）只有在提升度大于1的情况下，支持度和置信度才是越高越好，不能在相关系数得出之前就认为关联规则是越高越好。我们现在来算一下第二个例子的提升度是多少。

​

​

只有在正相关的情况下，我们才需要考虑支持度和置信度，是越高越好。不然就会产生误导的关联规则。

这里XY同时出现的概率是2/8 x单独出现的概率是1/2 y单独出现的概率是2/8。提升度就是2

提升度的含义其实就是寻找二者一致的程度，x与y的数值相同的程度，其中有2个不一致，第3笔和第4笔，其他6笔数据都是一致的。所以它是正相关。

X和Z的我们计算一下结果是约等于0.9，小于1，所以是负相关，这种情况下，就不会是我们需要的关联规则。其中只有3笔数据是一致的，剩下的5笔都是不一致，是相当不一致。

Lift的值就是统计的相关系数。

关联规则的生成

关联规则的生成一般很少人提及，多数都只是讲到频繁项集。当其实关联规则的生成也是非常重要而且不简单。

举例来说。假如我们有一个频繁项集，要如何产生关联规则呢。

下面有几个方法可以参考：

Exhaustive Approach（暴力法产生所有规则，简单但是花费太多时间）

下面是我们的频繁项集。也就是支持度已经满足要求了，现在要解决的就是置信度的问题，第一种方法就是全部列举，看看它的置信度够不够，够的话就输出。

​

光一个ABCD需要尝试的规则就上面这么多，这种方法虽然简单，但是花费的时间非常长。

因为需要产生的规则太多，所以大多软件和套件产生的结果都是单一项的规则。

​

也就是只产生这4个的置信度。

所以我们会发现大多套件的右边都只会产生单一项目的关联规则。

改进策略1：

我们可以先从项多的开始产生置信度，比如ABC——》D的关联规则置信度不够，那么下面这些置信度肯定都不够，也就不需要尝试。：

​

原因如下：

​

因为ABC——》D的置信度低于我们最小的置信度。因为这些的置信度就是ACBD的支持度除以前者的支持度。而前者的支持度一定大于或者等于ABC（比如AB和ABC，AB出现的概率肯定比ABC出现的概率高）

分母越大，置信度就越小，所以其他项目少的置信度肯定也不足。

改进策略2：

我们先产生计算项目少的置信度，如果置信度足够，那么项目多的置信度也一定足够，原理和改进策略1相同。

关联规则其实也不是很容易被产生出来。

关联规则的延伸

虚拟产品

关联规则你也可以插入一些对象，比如虚拟项目，比如我这次购买，我会添加一个在哪个位置购买的项目。比如这个商品我是在南区购买的，或者在北区购买的。那么这个店就会变成虚拟商品，进行设置关联规则。就可以得到南区的店通常会购买什么，北区的店一般会购买什么。我们就可以吧地点和商店形态一起关联起来，

还可以添加购买方式税收用信用卡，现金还是支票。一笔交易里面这些东西也可以当虚拟商品。就可以吧商品和购买方式的关联规则连接起来。

甚至你也可以吧这笔交易的星期几，上午中午下午，把这个信息和购物的关系关联到一起。

可能就会发现星期三的白天，购买什么商品就会购买什么商品的规则。

举个例子：

​

我们就可以发现南区的店会购买窗户清洁剂，北区的店喜欢购买果汁和苏打。

我们可以吧各自东西加入关联规则。我们就可以让关联规则出现很多变化。

负向相关规则dissociation rules

Not item-name

出现一个not的关联规则，比如买A不买B,那么就会买C，买A和D就不会买E

​

这种反向的信息在里面，举个例子

​

这样做的话，找到最多的规则会是，不买A不买B则不买C，因为不买的情况比较多，购买的情况比较少。如果直接这样做去找Dissociation rules结果会不理想。理想的方式就针对一些特定的商品去设定不购买的情况

加not的信息，会造成每笔交易的量变的很大。因为产品交易不是没买就买。因为没买的占多数，就是导致产生大量的not规则。

所以只有经常被购买的商品，去加入它们的not信息，这样找出的dissociation rules的比较理想。

因为当时找到啤酒与尿布

很多关联规则的有趣方向也被提出来，能不能找到空间数据的关联规则，多媒体数据的关联规则，时间序列的关联规则，加权的关联规则。

找利润比较高的关联规则，数量关系的关联规则

比如A3个就会购买B6个，把数量的关系加入。

相依性网络

下面是我们关联规则会产生的两个图，但是这两个图是比较适合机器的库，直接就可以一条一条读取，几万条的数量。

​

​

而我们人来看的神经网络，是下面这种相依性网络。

有时候我们会把长度为2的association rules画一个图​

这种相依性网络可以让我们知道各产品的依赖性。假设你根据这个神经网络给人来人为做活动，我们希望有一个牺牲商品，利用这个商品的促销来促进大家购买

​

那么这个牺牲档商品我们就会找H商品来当牺牲档商品，由于这个商品会带动4项商品的购买，虽然我们没有在H商品上赚到钱，甚至我们把其他商品的价格提高一点。我们的结果就还是获利的。

一般商店都会推出牺牲档商品，其实他的目的不是销售这个商品，而是为了带动其他商品的销售。

所以这个网络就比较适合人来看。另外两个图片就比较适合机器来看。

总结：

我们今天讲了支持度和置信度的问题。提出的解决方法提升度指标。还说明了关联规则如何从频繁项目集产生，还有关联规则的衍生用法