關聯式規則

介紹

關聯規則解決的常見問題如：“如果一個消費者購買了產品A，那么他有多大機會購買產品B?”以及“如果他購買了產品C和D，那么他還將購買什麼產品？”正如大多數數據挖掘技術一樣，關聯規則的任務在於減少潛在的大量雜亂無章的數據，使之成為少量的易於觀察理解的靜態資料。

關聯規則一個經典的實例是購物籃分析(Market Basket Analysis)。超市對顧客的購買記錄資料庫進行關聯規則挖掘，可以發現顧客的購買習慣，例如，購買產品X的同時也購買產品Y，於是，超市就可以調整貨架的布局，比如將X產品和Y產品放在一起，增進銷量。

根據關聯規則所處理的值的類型

如果考慮關聯規則中的數據項是否出現，則這種關聯規則是布爾關聯規則(Boolean association rules)。例如上面的例子。

如果關聯規則中的數據項是數量型的，這種關聯規則是數量關聯規則(quantitative association rules)。例如年齡("20-25")購買("網球拍")，年齡是一個數量型的數據項。在這種關聯規則中，一般將數量離散化(discretize)為區間。

根據關聯規則所涉及的數據維數

如果關聯規則各項只涉及一個維，則它是單維關聯規則(single-dimensional association rules)，例如購買("網球拍")購買("網球")只涉及“購買”一個維度。

如果關聯規則涉及兩個或兩個以上維度，則它是多維關聯規則(multi-dimensional association rules)，例如年齡("20-25")購買("網球拍")涉及“年齡”和“購買”兩個維度。

根據關聯規則所涉及的抽象層次

如果不涉及不同層次的數據項，得到的是單層關聯規則(single-level association rules)。

在不同抽象層次中挖掘出的關聯規則稱為廣義關聯規則(generalized association rules)。例如年齡("20-25")購買("HEAD網球拍")和年齡("20-25")購買("網球拍")是廣義關聯規則，因為"HEAD網球拍"和"網球拍"屬於不同的抽象層次。

Apriori 算法

Apriori算法所使用的前置統計量包括了：

最大規則物件數：規則中物件組所包含的最大物件數量，在微軟關聯規則參數為Maximum_Itemset_Size

最小支援：規則中物件或是物件組必頇符合的最低案例數，在微軟關聯規則參數為Minimum_Support。

最小信心水平：計算規則所必須符合的最低信心水平門檻，在微軟關聯規則參數為Minimum_Probability。