數(shù)據(jù)挖掘中應(yīng)用較多的技術(shù)是機(jī)器學(xué)習(xí)。機(jī)器學(xué)習(xí)主流算法包括三種：關(guān)聯(lián)分析、分類分析、聚類分析。本文主要介紹關(guān)聯(lián)分析。

一、關(guān)聯(lián)分析概述

關(guān)聯(lián)分析可發(fā)現(xiàn)大量數(shù)據(jù)中隱藏的相關(guān)性（統(tǒng)計(jì)學(xué)的相關(guān)性分析不能直接發(fā)現(xiàn)數(shù)據(jù)中隱藏的相關(guān)性，需先人為猜測(cè)各變量間可能相關(guān)，再通過(guò)統(tǒng)計(jì)學(xué)計(jì)算相關(guān)性強(qiáng)弱），進(jìn)而描述事物同時(shí)出現(xiàn)的規(guī)律和模式，被描述出的規(guī)律和模式可應(yīng)用于市場(chǎng)營(yíng)銷、事務(wù)分析等領(lǐng)域。

例如：某超市可通過(guò)關(guān)聯(lián)分析得出消費(fèi)者購(gòu)買牛奶和購(gòu)買面包隱含的相關(guān)性。如果有關(guān)購(gòu)買牛奶和購(gòu)買面包衡量指標(biāo)大于某一閾值，說(shuō)明此二者相關(guān)，超市可以通過(guò)將售賣牛奶和面包的貨架靠近或推出牛奶和面包的組合裝促銷。

二、置信度與支持度

置信度與支持度是關(guān)聯(lián)分析的衡量指標(biāo)。

置信度是指包含關(guān)聯(lián)規(guī)則所有特征（個(gè)人理解：特征可被理解為變量，包括自變量和因變量）的數(shù)據(jù)數(shù)量占包含自變量數(shù)據(jù)數(shù)量的比例。置信度高表示關(guān)聯(lián)規(guī)則所表示的自變量與因變量的相關(guān)性高。

支持度是指包含關(guān)聯(lián)規(guī)則的所有特征的數(shù)據(jù)數(shù)量占總數(shù)據(jù)數(shù)量的比例。支持度高表示關(guān)聯(lián)規(guī)則的出現(xiàn)頻率高，該關(guān)聯(lián)規(guī)則的重要性高。如果關(guān)聯(lián)規(guī)則的置信度高，但支持度低，表示該關(guān)聯(lián)規(guī)則出現(xiàn)頻率低，重要性低，利用價(jià)值低。

關(guān)聯(lián)分析需尋找支持度和置信度分別高于預(yù)先設(shè)定的支持度閾值和置信度閾值的關(guān)聯(lián)規(guī)則，該種關(guān)聯(lián)規(guī)則被稱為強(qiáng)關(guān)聯(lián)規(guī)則。不小于支持度閾值的關(guān)聯(lián)規(guī)則被稱為頻繁規(guī)則，不小于支持度閾值的特征集被稱為頻繁項(xiàng)集（項(xiàng)集可被理解為特征集，項(xiàng)、特征的具象化事物可以是商品，個(gè)人理解：頻繁規(guī)則和頻繁項(xiàng)集是一種事物兩個(gè)維度的表述）。

三、Apriori定律

在大數(shù)據(jù)關(guān)聯(lián)分析中，如果采用枚舉的方式找出所有的頻繁項(xiàng)集，則計(jì)算效率較低。因此，關(guān)聯(lián)分析可通過(guò)以下定律，簡(jiǎn)化頻繁項(xiàng)集的確定過(guò)程。

Apriori定律1：頻繁項(xiàng)集的子集也是頻繁項(xiàng)集。如圖一所示，如果{C，D，E}是頻繁項(xiàng)集，意味著{C，D，E}在大數(shù)據(jù)中出現(xiàn)的頻率不小于支持度閾值，那么其子集如{C，D}在大數(shù)據(jù)出現(xiàn)的頻率也一定不小于支持度閾值，即為頻繁項(xiàng)集。



圖一，圖片來(lái)源：?jiǎn)袅▎袅ā稊?shù)據(jù)科學(xué)導(dǎo)論》

Apriori定律2：非頻繁項(xiàng)集的超集（個(gè)人理解：某集合的超集是包含該集合的集合）也不是頻繁項(xiàng)集。如圖二所示，如果{A，B}不是頻繁項(xiàng)集，意味著{A，B}在大數(shù)據(jù)中出現(xiàn)的頻率小于支持度閾值，那么其超集如{A，B，C}在大數(shù)據(jù)出現(xiàn)的頻率也一定小于支持度閾值，即不是頻繁項(xiàng)集。



圖二，圖片來(lái)源：?jiǎn)袅▎袅ā稊?shù)據(jù)科學(xué)導(dǎo)論》

以上兩定律在Apriori算法中被應(yīng)用，Apriori算法是一種關(guān)聯(lián)分析算法。

四、關(guān)聯(lián)規(guī)則學(xué)習(xí)步驟

（1）找出所有的頻繁項(xiàng)集。

（2）根據(jù)頻繁項(xiàng)集生成頻繁規(guī)則。

（3）根據(jù)置信度指標(biāo)進(jìn)一步篩選頻繁規(guī)則。

五、確定候選項(xiàng)集的注意事項(xiàng)

在選擇候選項(xiàng)集（個(gè)人理解：候選項(xiàng)集指未進(jìn)行置信度篩選的頻繁項(xiàng)集）需注意：

（1）應(yīng)當(dāng)避免產(chǎn)生太多不必要的候選項(xiàng)集。

（2）候選項(xiàng)集中不遺漏頻繁項(xiàng)集。

（3）不產(chǎn)生重復(fù)候選項(xiàng)集。

審核編輯：劉清