数据分析系列--④RapidMiner进行关联分析(案例)

计算项集 {牛奶, 面包} 的支持度：
- 包含 {牛奶, 面包} 的交易：交易 1、3、5。
- 总交易数：5。
- 支持度 = 3 / 5 = 0.6（即 60%）。
计算规则 {牛奶} → {面包} 的支持度：
- 同时包含 {牛奶} 和 {面包} 的交易：交易 1、3、5。
- 总交易数：5。
- 支持度 = 3 / 5 = 0.6（即 60%）。

最小支持度阈值：
- 设置过高的阈值可能会漏掉一些有意义的低频模式。
- 设置过低的阈值可能会产生大量无意义的规则。
- 通常需要根据数据规模和业务需求进行调整。

规则的可靠性。例如，规则 {牛奶} → {面包} 的置信度为 80%，表示在购买牛奶的交易中，80% 也购买了面包。

衡量规则的相关性。提升度 > 1 表示正相关，< 1 表示负相关。用于评估两个事件之间的关联强度，以及一个事件的发生对另一个事件发生的概率的影响.比如该用户长时间不购买牛奶会不会影响其购买面包等.

提升度（Lift）表示在给定条件下（例如，事件A发生的情况下），事件B发生的概率与不考虑该条件时事件B发生的概率之比。其数学公式为：

其中：

提升度衡量的是规则 {A} → {B} 的相关性，具体定义为：

Lift = 1：
- 表示 A 和 B 是独立的，两者之间没有相关性。
Lift > 1：
- 表示 A 和 B 是正相关的，A 的出现会提高 B 出现的概率。
- 例如，Lift = 2 表示在 A 出现的情况下，B 出现的概率是原本的 2 倍。
Lift < 1：
- 表示 A 和 B 是负相关的，A 的出现会降低 B 出现的概率。

假设有以下交易数据：

计算提升度：

①评估规则的有效性:提升度 > 1 的规则通常更有意义，表明 A 和 B 之间存在正相关。

②优化营销策略:例如，如果 {牛奶} → {面包} 的提升度为 2，可以在牛奶附近摆放面包，促进销售。

③过滤无效规则：提升度接近 1 的规则可能没有实际意义，可以忽略。

①使用 FP-Growth 算子生成频繁项集。

②使用 Create Association Rules 算子生成规则，并设置最小提升度阈值。

③在结果中查看每条规则的提升度，筛选出有意义的规则。

“购买商品 A 的顾客也倾向于购买商品 B”,支持这个目标的项集（Itemset）、规则（Rule）、支持度（Support）、置信度（Confidence）、提升度（Lift）分别是什么，是否靠谱。

二、关联分析实践

表属性数据说明
Elapsed_Time	: 每个调查对象完成调查所用的时间。精确到0.01分钟。
Time_in_Community	: 用于询问调查对象在该社区的居住时间是0-2年、3-9年，还是10年以上，并在数据集中分别记录为“Short”、“Medium”或“Long”。
Gender	: 调查对象性别。
Working	: 调查对象是否从事有薪工作，结果为yes/no。
Age	: 调查对象年龄。
Family	: 调查对象是否结婚，结果为yes/no。
Hobbies	: 调查对象是否参与兴趣爱好协会，结果为yes/no。
Social_Club	: 调查对象是否参与社会组织，结果为yes/no。
Political	: 调查对象是否参与政治组织，结果为yes/no。 Professional: 调查对象是否参与专业组织，结果为yes/no。
Religious	: 调查对象是否参与教会组织，结果为yes/no。
Support_Group	: 调查对象是否参与援助导向型组织，结果为yes/no。