大數(shù)據(jù)營(yíng)銷(xiāo)-第9章-商品關(guān)聯(lián)營(yíng)銷(xiāo)課件

1、第9章 商品關(guān)聯(lián)營(yíng)銷(xiāo)商品關(guān)聯(lián)營(yíng)銷(xiāo)學(xué)習(xí)目標(biāo)1. 了解商品關(guān)聯(lián)營(yíng)銷(xiāo)（購(gòu)物籃關(guān)聯(lián)分析）的概念2. 了解簡(jiǎn)單關(guān)聯(lián)規(guī)則的概念3. 了解購(gòu)物籃分析模型的基本原理和方法4. 了解簡(jiǎn)單關(guān)聯(lián)規(guī)則的應(yīng)用場(chǎng)景及其有效性和實(shí)用性思維導(dǎo)圖【開(kāi)篇思考】擁有海量用戶(hù)、車(chē)輛、司機(jī)以及交通軌跡的大數(shù)據(jù)對(duì)于滴滴而言，已經(jīng)遠(yuǎn)離了紙上談兵，在司機(jī)接入、智慧交通等多個(gè)維度產(chǎn)生了實(shí)際效用。滴滴出行近日披露，在其嚴(yán)格的注冊(cè)審核機(jī)制下，共有超2500萬(wàn)名“問(wèn)題司機(jī)”被拒之平臺(tái)外。而通過(guò)大數(shù)據(jù)實(shí)時(shí)分析、智能上車(chē)點(diǎn)推薦等領(lǐng)先技術(shù)，全國(guó)20個(gè)機(jī)場(chǎng)上線(xiàn)“智能引導(dǎo)”功能，幫助乘客快速出港。請(qǐng)?jiān)囅胍幌? 滴滴出行有哪些大數(shù)據(jù)營(yíng)銷(xiāo)的場(chǎng)景?目錄5購(gòu)物籃商品

2、關(guān)聯(lián)問(wèn)題背景與挖掘目標(biāo)商品關(guān)聯(lián)營(yíng)銷(xiāo)的概念簡(jiǎn)單關(guān)聯(lián)規(guī)則購(gòu)物籃分析模型簡(jiǎn)單關(guān)聯(lián)規(guī)則的有效性和實(shí)用性討論9.1 商品關(guān)聯(lián)營(yíng)銷(xiāo)的概念關(guān)聯(lián)營(yíng)銷(xiāo)：關(guān)聯(lián)營(yíng)銷(xiāo)是一種建立在雙方互利互益的基礎(chǔ)上的營(yíng)銷(xiāo)，在交叉營(yíng)銷(xiāo)的基礎(chǔ)上，將事物、產(chǎn)品、品牌等所要營(yíng)銷(xiāo)的東西上尋找關(guān)聯(lián)性，來(lái)實(shí)現(xiàn)深層次的多面引導(dǎo)。關(guān)聯(lián)營(yíng)銷(xiāo)也是一種新的、低成本的、企業(yè)在網(wǎng)站上用來(lái)提高收入的營(yíng)銷(xiāo)方法。目錄7購(gòu)物籃商品關(guān)聯(lián)問(wèn)題背景與挖掘目標(biāo)商品關(guān)聯(lián)營(yíng)銷(xiāo)的概念簡(jiǎn)單關(guān)聯(lián)規(guī)則購(gòu)物籃分析模型簡(jiǎn)單關(guān)聯(lián)規(guī)則的有效性和實(shí)用性討論9.2 購(gòu)物籃商品關(guān)聯(lián)問(wèn)題背景與挖掘目標(biāo)關(guān)聯(lián)營(yíng)銷(xiāo)：關(guān)聯(lián)分析是挖掘數(shù)據(jù)內(nèi)在結(jié)構(gòu)特征或變量之間的關(guān)聯(lián)性。在日常生活中事物之間的關(guān)聯(lián)性隨處可見(jiàn)，在電子

3、商務(wù)平臺(tái)的購(gòu)物籃中的商品，其關(guān)聯(lián)性也是顯而易見(jiàn)的。啤酒與尿布購(gòu)物籃商品的關(guān)聯(lián)關(guān)系通常有兩種情況：一種是顧客在一次購(gòu)買(mǎi)行為中放入購(gòu)物籃中不同商品之間的關(guān)聯(lián)關(guān)系，我們稱(chēng)之為簡(jiǎn)單關(guān)聯(lián)關(guān)系。另一種是顧客在購(gòu)買(mǎi)某種商品之后，在下一次光顧時(shí)會(huì)購(gòu)買(mǎi)另一些其他商品，這些前后不同時(shí)間購(gòu)買(mǎi)的商品之間同樣存在關(guān)聯(lián)關(guān)系，我們把這種關(guān)聯(lián)關(guān)系稱(chēng)為序列關(guān)聯(lián)關(guān)系。最早的關(guān)聯(lián)分析概念：是1993年由Agrawal、Imielinski和Swami提出的。其主要研究目的是分析超市顧客購(gòu)買(mǎi)行為的規(guī)律，發(fā)現(xiàn)連帶購(gòu)買(mǎi)商品，為制定合理的方便顧客選取的貨架擺放方案提供依據(jù)。該分析稱(chēng)為購(gòu)物籃分析。電子商務(wù)領(lǐng)域：關(guān)聯(lián)分析可幫助經(jīng)營(yíng)者發(fā)現(xiàn)顧客的

4、消費(fèi)偏好，定位顧客消費(fèi)需求，制定合理的交叉銷(xiāo)售方案，實(shí)現(xiàn)商品的精準(zhǔn)推薦；保險(xiǎn)公司業(yè)務(wù)：關(guān)聯(lián)分析可幫助企業(yè)分析保險(xiǎn)索賠的原因，及時(shí)甄別欺詐行為；電信行業(yè)：關(guān)聯(lián)分析可幫助企業(yè)發(fā)現(xiàn)不同增值業(yè)務(wù)間的關(guān)聯(lián)性及對(duì)客戶(hù)流失的影響等。9.2 購(gòu)物籃商品關(guān)聯(lián)問(wèn)題背景與挖掘目標(biāo)目錄10購(gòu)物籃商品關(guān)聯(lián)問(wèn)題背景與挖掘目標(biāo)商品關(guān)聯(lián)營(yíng)銷(xiāo)的概念簡(jiǎn)單關(guān)聯(lián)規(guī)則購(gòu)物籃分析模型簡(jiǎn)單關(guān)聯(lián)規(guī)則的有效性和實(shí)用性討論9.3 簡(jiǎn)單關(guān)聯(lián)規(guī)則9.3.1 事務(wù)和項(xiàng)集事務(wù)就是簡(jiǎn)單關(guān)聯(lián)分析的分析對(duì)象。事務(wù)可理解為一種行為，例如，百貨商店顧客的購(gòu)物行為是一種事務(wù)；網(wǎng)頁(yè)用戶(hù)的頁(yè)面瀏覽關(guān)注行為是一種事務(wù)；一份財(cái)產(chǎn)保險(xiǎn)公司的汽車(chē)保單也是一種事務(wù)。項(xiàng)目是在事務(wù)

5、中涉及的對(duì)象。一個(gè)事務(wù)通常包含若干個(gè)項(xiàng)目。一個(gè)項(xiàng)目可以是一種商品、一個(gè)網(wǎng)頁(yè)鏈接、一個(gè)險(xiǎn)種等。若干個(gè)項(xiàng)目的集合叫作項(xiàng)目集，簡(jiǎn)稱(chēng)項(xiàng)集。我們把屬于同一個(gè)事務(wù)的所有項(xiàng)目組成的集合，稱(chēng)為事務(wù)的項(xiàng)集。9.3 簡(jiǎn)單關(guān)聯(lián)規(guī)則小明喜歡在淘寶上購(gòu)物，當(dāng)他想購(gòu)買(mǎi)某商品時(shí)，會(huì)在淘寶上瀏覽，一遍又一遍地研究該商品，也會(huì)關(guān)注它，甚至把它加入購(gòu)物車(chē)。經(jīng)過(guò)一段時(shí)間的研究，小明才會(huì)放入購(gòu)物籃里準(zhǔn)備購(gòu)買(mǎi)，同時(shí)，小明也準(zhǔn)備購(gòu)買(mǎi)其他商品。最終他購(gòu)買(mǎi)了A、B、C、D、E共5件商品。在這里，小明的購(gòu)物行為就是一個(gè)事務(wù)。他購(gòu)買(mǎi)的5件商品A、B、C、D、E的集合就是項(xiàng)集。為了研究方便，我們會(huì)給每一個(gè)事務(wù)一個(gè)ID（標(biāo)識(shí)），對(duì)應(yīng)于ID就有一個(gè)項(xiàng)

6、集。其他客戶(hù)也會(huì)在淘寶上購(gòu)物，也會(huì)像小明一樣有自己的購(gòu)物籃，購(gòu)物籃里有自己喜歡的商品，見(jiàn)表9.1。事務(wù)ID項(xiàng) 集備 注1ABCDE表中不同的字母代表不同的商品2BEF3CDG4ABDF表9.1 顧客購(gòu)買(mǎi)行為數(shù)據(jù)示例9.3 簡(jiǎn)單關(guān)聯(lián)規(guī)則9.3.2關(guān)聯(lián)規(guī)則的表達(dá)形式簡(jiǎn)單關(guān)聯(lián)規(guī)則的一般表示形式是：前項(xiàng)后項(xiàng)支持度（Support）= s%，置信度（Confidence）=c%， 或表達(dá)為：XY（S = s%，C = c%）， 其中：X稱(chēng)為規(guī)則的前項(xiàng)，可以是一個(gè)項(xiàng)目或項(xiàng)集，也可以是一個(gè)包含項(xiàng)目以及邏輯操作（與、或、非|）的邏輯表達(dá)式；Y稱(chēng)為規(guī)則的后項(xiàng)，一般為一個(gè)項(xiàng)目，表示某種結(jié)論或事實(shí)；括號(hào)中，S =

7、s%表示規(guī)則支持度為s%，C = c%表示規(guī)則置信度為c%。例如，面包牛奶（S=85%，C=90%），就是一條簡(jiǎn)單關(guān)聯(lián)規(guī)則。前項(xiàng)和后項(xiàng)均為一個(gè)項(xiàng)目。該關(guān)聯(lián)規(guī)則的含義是：有90%的把握程度相信購(gòu)買(mǎi)面包則購(gòu)買(mǎi)牛奶，該規(guī)則適用性為85%。9.3 簡(jiǎn)單關(guān)聯(lián)規(guī)則9.3.2 置信度和支持度關(guān)聯(lián)規(guī)則是形如XY的表達(dá)式，其中X和Y不相交。置信度和支持度這兩個(gè)指標(biāo)用于量度關(guān)聯(lián)規(guī)則的強(qiáng)度。支持度也稱(chēng)為相對(duì)支持度，表示X與Y同時(shí)發(fā)生的概率。置信度是指X發(fā)生的條件下Y發(fā)生的概率。因此，支持度和置信度可以分別用下列公式表示： Support(XY)= C(XY) Confidence(XY)= S(Y|X) 牛奶與雞蛋

8、挖掘數(shù)據(jù)集：購(gòu)物籃數(shù)據(jù) 挖掘目標(biāo)：關(guān)聯(lián)規(guī)則 關(guān)聯(lián)規(guī)則：牛奶=雞蛋【支持度=2%，置信度=60%】 支持度：分析中的全部事務(wù)的2%同時(shí)購(gòu)買(mǎi)了牛奶和雞蛋 置信度：購(gòu)買(mǎi)了牛奶的客戶(hù)有60%也購(gòu)買(mǎi)了雞蛋 最小支持度閾值和最小置信度閾值：由挖掘者或領(lǐng)域?qū)＜以O(shè)定 9.3 簡(jiǎn)單關(guān)聯(lián)規(guī)則9.3.2頻繁項(xiàng)集項(xiàng)集是項(xiàng)的集合，包含k項(xiàng)的項(xiàng)集稱(chēng)為k項(xiàng)集。項(xiàng)集的出現(xiàn)頻率是所有包含項(xiàng)集事務(wù)的級(jí)數(shù)，又稱(chēng)絕對(duì)支持度或支持度計(jì)數(shù)。若存在項(xiàng)集的支持度滿(mǎn)足預(yù)定義的最小置信度或最小支持度的閾值，則稱(chēng)此項(xiàng)集為頻繁項(xiàng)集，頻繁k項(xiàng)集通常記作Lk。而同時(shí)滿(mǎn)足最小置信度和最小支持度的規(guī)則稱(chēng)為強(qiáng)規(guī)則。包含1個(gè)項(xiàng)目的頻繁項(xiàng)集稱(chēng)為頻繁1項(xiàng)集；包含k

9、個(gè)項(xiàng)目的項(xiàng)集稱(chēng)為頻繁k項(xiàng)集。最大頻繁項(xiàng)集是k最大時(shí)的最大頻繁k-項(xiàng)集。根據(jù)頻繁項(xiàng)集的定義很容易得到以下結(jié)論，即頻繁項(xiàng)集的子集一定是頻繁項(xiàng)集。例如， A，B，C是一個(gè)3項(xiàng)的頻繁項(xiàng)集，則其子集A，B、B，C、A，C也一定是2項(xiàng)的頻繁項(xiàng)集。反之，如果在不是頻繁項(xiàng)集的項(xiàng)集I中添加事務(wù)A，那么新的項(xiàng)集IA一定也不是頻繁項(xiàng)集。目錄17購(gòu)物籃商品關(guān)聯(lián)問(wèn)題背景與挖掘目標(biāo)商品關(guān)聯(lián)營(yíng)銷(xiāo)的概念簡(jiǎn)單關(guān)聯(lián)規(guī)則購(gòu)物籃分析模型簡(jiǎn)單關(guān)聯(lián)規(guī)則的有效性和實(shí)用性討論9.4 購(gòu)物籃分析模型關(guān)聯(lián)規(guī)則算法有Apriori算法、FP-Tree 算法、Eclat算法和灰色關(guān)聯(lián)算法等。關(guān)聯(lián)規(guī)則算法主要用于尋找數(shù)據(jù)中項(xiàng)集之間的關(guān)聯(lián)關(guān)系，基于樣本

10、的統(tǒng)計(jì)規(guī)律，進(jìn)行關(guān)聯(lián)規(guī)則分析。根據(jù)所分析的關(guān)聯(lián)關(guān)系，可從一個(gè)特征的信息來(lái)推斷另一個(gè)特征的信息。當(dāng)信息置信度達(dá)到某一閾值時(shí)，就可以認(rèn)為規(guī)則成立。Apriori算法是應(yīng)用最廣泛的關(guān)聯(lián)規(guī)則算法之一，也是最為經(jīng)典的在大數(shù)據(jù)集上可行的關(guān)聯(lián)規(guī)則提取的算法。購(gòu)物籃分析哪些商品平凡的同時(shí)被客戶(hù)購(gòu)買(mǎi)？圖9.1 購(gòu)物籃商品關(guān)聯(lián)規(guī)則模型的流程圖9.4 購(gòu)物籃分析模型9.4 簡(jiǎn)單關(guān)聯(lián)規(guī)則9.4.1 原始數(shù)據(jù)的預(yù)處理ID商品A商品B商品C商品D商品E商品F商品G11111100201001103001100141101010ID項(xiàng)集X1A1B1C1D1E2B2E2F3C3D3G4A4B4D4F購(gòu)物籃商品關(guān)聯(lián)規(guī)則分析中的

11、數(shù)據(jù)預(yù)處理的主要任務(wù)是通過(guò)整理原始數(shù)據(jù)，建立事務(wù)數(shù)據(jù)集對(duì)象。事務(wù)數(shù)據(jù)集的組織方式有事實(shí)表和事務(wù)表兩種格式。表9.2 事實(shí)表示例表9.3 事務(wù)表示例9.4 簡(jiǎn)單關(guān)聯(lián)規(guī)則9.4.2 搜索頻繁項(xiàng)集尋找頻繁項(xiàng)集是Apriori算法提高尋找關(guān)聯(lián)規(guī)則效率的關(guān)鍵。以圖9.2為例，在Apriori算法中尋找頻繁項(xiàng)集的基本原則是：如果最底層中只包含D項(xiàng)的1-項(xiàng)集不是頻繁項(xiàng)集，則包含D項(xiàng)的其他所有項(xiàng)集，即D的超集（圖中灰色圓圈）都不可能是頻繁項(xiàng)集，后續(xù)無(wú)須再對(duì)這些項(xiàng)集進(jìn)行判斷，因?yàn)榛谶@些項(xiàng)集的關(guān)聯(lián)規(guī)則不可能有較高的支持度。圖9.2 尋找頻繁項(xiàng)集Apriori算法從圖9.2所示的底層（1-項(xiàng)集）開(kāi)始向上，采用迭代

12、方式逐層找到下層的超集，并在超集中發(fā)現(xiàn)頻繁項(xiàng)集。如此反復(fù)，直到最頂層得到最大頻繁項(xiàng)集為止。每次迭代均包含兩個(gè)步驟。第一步，產(chǎn)生候選集Ck。所謂候選集就是有可能成為頻繁項(xiàng)集的項(xiàng)目集合。當(dāng)k =1時(shí)，候選集Ck是所有1_項(xiàng)集。第二步，修剪候選集Ck?；诤蜻x集Ck計(jì)算支持度，且依據(jù)最小支持度對(duì)候選集Ck進(jìn)行刪減，最終確定最大頻繁項(xiàng)集Lk。9.4 簡(jiǎn)單關(guān)聯(lián)規(guī)則9.4.2 搜索頻繁項(xiàng)集9.4 簡(jiǎn)單關(guān)聯(lián)規(guī)則9.4.2 搜索頻繁項(xiàng)集圖9.3就是用表9.1的數(shù)據(jù)舉例說(shuō)明以迭代的方式找出最大頻繁項(xiàng)集的過(guò)程。由圖9.3可以看出，最大頻繁項(xiàng)集是ABD,支持度達(dá)50%。圖9.3 用Apriori算法產(chǎn)生頻繁項(xiàng)集的迭

13、代過(guò)程舉例9.4.3 由頻繁項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則9.4 簡(jiǎn)單關(guān)聯(lián)規(guī)則上述步驟已經(jīng)剔除了不滿(mǎn)足最小支持度閾值的項(xiàng)，如果剩下的項(xiàng)能滿(mǎn)足預(yù)定的最小置信度閾值，那么就可以找到強(qiáng)關(guān)聯(lián)規(guī)則。例如，對(duì)于上述例子，頻繁項(xiàng)集L包含項(xiàng)目A、B、D。如果設(shè)L的子集L包含項(xiàng)目A和B，則L-L包含項(xiàng)目E。計(jì)算置信度：C(|A,B|D) = S(A,B,D)/S(A,B) = 0.5/0.5 = 100%置信度最大，大于用戶(hù)指定的任何閾值。因此，簡(jiǎn)單關(guān)聯(lián)規(guī)則A,BD(S=50%, C=100%)為有效規(guī)則。同樣我們也可以得到其他的關(guān)聯(lián)規(guī)則：A,DB(S=50%, C=100%)B,DA(S=50% ,C=100%)從以上結(jié)果

14、可以看出，顧客同時(shí)購(gòu)買(mǎi)商品A、B和D的概率為50%，而置信度則達(dá)到100%，說(shuō)明該規(guī)則有效。了解到上述信息即可對(duì)商品擺放位置進(jìn)行更改，可以考慮把商品A、B和D的位置擺放得靠近一些，在增加銷(xiāo)量的同時(shí)給客戶(hù)更好的購(gòu)物體驗(yàn)。目錄26購(gòu)物籃商品關(guān)聯(lián)問(wèn)題背景與挖掘目標(biāo)商品關(guān)聯(lián)營(yíng)銷(xiāo)的概念簡(jiǎn)單關(guān)聯(lián)規(guī)則購(gòu)物籃分析模型簡(jiǎn)單關(guān)聯(lián)規(guī)則的有效性和實(shí)用性討論9.5.1 Apriori算法的優(yōu)缺點(diǎn)與適用場(chǎng)景9.5 簡(jiǎn)單關(guān)聯(lián)規(guī)則的有效性和實(shí)用性討論Apriori算法是關(guān)聯(lián)規(guī)則最常用的也是最經(jīng)典的分析頻繁項(xiàng)集的算法，它的優(yōu)點(diǎn)是大大壓縮了頻繁項(xiàng)集的大小，并取得良好性能。Apriori算法的缺點(diǎn)是每次計(jì)算支持度與置信度都需要重新

15、掃描所有數(shù)據(jù)，而且該算法有多次掃描事務(wù)數(shù)據(jù)的缺陷，在每一步產(chǎn)生候選集時(shí)循環(huán)產(chǎn)生的項(xiàng)集過(guò)多，沒(méi)有排除不應(yīng)該參與組合的元素。針對(duì)這些問(wèn)題，Zaki等人于1997年提出了一種快速搜索頻繁項(xiàng)集的算法 Equivalence CLAss clustering and bottom-up Traversal，簡(jiǎn)稱(chēng)Eclat算法。該算法與Apriori算法的思路類(lèi)似，但它的特色在于：基于對(duì)等類(lèi)，采用自底向上的搜索策略，只需訪問(wèn)很少次的數(shù)據(jù)集，便可確定最大頻繁項(xiàng)集，從而提高了搜索效率。Apriori算法除了適用于商品零售購(gòu)物籃分析外，近年來(lái)也廣泛應(yīng)用于金融行業(yè)中，可以成功預(yù)測(cè)銀行客戶(hù)的需求，還可應(yīng)用于網(wǎng)絡(luò)安全

16、領(lǐng)域，檢測(cè)出用戶(hù)行為的安全模式，進(jìn)而鎖定攻擊者。此外，Apriori 算法還可應(yīng)用于高校管理、移動(dòng)通信、中醫(yī)證型等領(lǐng)域。9.5.2 如何評(píng)價(jià)簡(jiǎn)單關(guān)聯(lián)規(guī)則的有效性9.5 簡(jiǎn)單關(guān)聯(lián)規(guī)則的有效性和實(shí)用性討論從數(shù)據(jù)中可以找到很多關(guān)聯(lián)規(guī)則，但并非所有的關(guān)聯(lián)規(guī)則都有效。可能有的規(guī)則令人信服的水平不高，有的規(guī)則適用的范圍很有限，也就是說(shuō)，這些規(guī)則都不具有有效性。判斷一條關(guān)聯(lián)規(guī)則是否有效，應(yīng)依據(jù)各種測(cè)度指標(biāo)，其中最常用的測(cè)度是關(guān)聯(lián)規(guī)則的置信度和支持度。一個(gè)有效的簡(jiǎn)單關(guān)聯(lián)規(guī)則應(yīng)具有較高的置信度和較高的支持度。如果規(guī)則支持度較高，但置信度較低，則說(shuō)明規(guī)則的可信程度差；如果規(guī)則置信度較高但支持度較低，則說(shuō)明規(guī)則的應(yīng)

17、用機(jī)會(huì)很少。一個(gè)置信度較高但普遍性較低的規(guī)則并沒(méi)有太多的實(shí)際應(yīng)用價(jià)值。例如，如果在1000個(gè)關(guān)于顧客購(gòu)買(mǎi)行為的事務(wù)中，只有1個(gè)顧客購(gòu)買(mǎi)了野炊用的燒烤爐，同時(shí)也只有他購(gòu)買(mǎi)了碳。雖然規(guī)則“燒烤爐碳”的置信度很高，為100%，但其支持度只有0.1%，很低，說(shuō)明該規(guī)則缺乏普遍性，應(yīng)用價(jià)值不高。9.5.2 如何評(píng)價(jià)簡(jiǎn)單關(guān)聯(lián)規(guī)則的有效性9.5 簡(jiǎn)單關(guān)聯(lián)規(guī)則的有效性和實(shí)用性討論閾值的設(shè)置要盡量合理。如果支持度閾值太小，得到的簡(jiǎn)單關(guān)聯(lián)規(guī)則會(huì)失去一般性；如果支持度閾值太大，可能無(wú)法找到“如此高代表性”的規(guī)則；同樣，如果置信度閾值太小，得到的簡(jiǎn)單關(guān)聯(lián)規(guī)則的可信度不高，閾值太大，也同樣可能無(wú)法找到“如此高可信度”的

18、規(guī)則。Y合計(jì)10X1ABR10CDR2合計(jì)C1C2T表9.4 一個(gè)典型的列聯(lián)表表9.4是統(tǒng)計(jì)學(xué)中的一個(gè)典型的列聯(lián)表。這里，可令行表示前項(xiàng)，列表示后項(xiàng)，1和0分別表示出現(xiàn)和未出現(xiàn)；A、B、C、D為交叉分組下的頻數(shù)，R1、R2、C1、C2分別為各行合計(jì)以及各列合計(jì)，T為總計(jì)。對(duì)于簡(jiǎn)單關(guān)聯(lián)規(guī)則XY，規(guī)則置信度為A/R1，規(guī)則支持度為A/T，前項(xiàng)支持度為R1/T，后項(xiàng)支持度為C1/T。9.5.3 如何評(píng)價(jià)簡(jiǎn)單關(guān)聯(lián)規(guī)則的實(shí)用性9.5 簡(jiǎn)單關(guān)聯(lián)規(guī)則的有效性和實(shí)用性討論簡(jiǎn)單關(guān)聯(lián)規(guī)則的實(shí)用性體現(xiàn)在：一方面，簡(jiǎn)單關(guān)聯(lián)規(guī)則應(yīng)具有實(shí)際意義，例如，懷孕女性，這條簡(jiǎn)單關(guān)聯(lián)規(guī)則就沒(méi)有多少實(shí)用價(jià)值；另一方面，簡(jiǎn)單關(guān)聯(lián)規(guī)則應(yīng)

19、具有指導(dǎo)意義，如果一條簡(jiǎn)單關(guān)聯(lián)規(guī)則的規(guī)則置信度和支持度大于用戶(hù)指定的最小置信度和支持度閾值，盡管該規(guī)則具有有效性，但仍可能沒(méi)有指導(dǎo)意義，具體表現(xiàn)為以下幾種情況。（1）簡(jiǎn)單關(guān)聯(lián)規(guī)則揭示的簡(jiǎn)單關(guān)聯(lián)關(guān)系可能僅僅是一種隨機(jī)關(guān)聯(lián)關(guān)系。例如，超市依據(jù)表9.5（a）所示的調(diào)查結(jié)果，得到反映購(gòu)買(mǎi)牛奶與否和性別關(guān)系的簡(jiǎn)單關(guān)聯(lián)規(guī)則：牛奶性別（男）（S = 40%，C = 40%）。在最小置信度和支持度為30%時(shí)該規(guī)則是一條有效規(guī)則。男女合計(jì)買(mǎi)4006001000不買(mǎi)000合計(jì)4006001000表9.5（a） 示意列聯(lián)表（一）但：進(jìn)一步發(fā)現(xiàn)，顧客中男性的（后項(xiàng)支持度）比例也為40%，即購(gòu)買(mǎi)牛奶顧客的男性比例等于所

20、有顧客的男性比例。此時(shí)認(rèn)為，上述規(guī)則反映的是一種前后項(xiàng)無(wú)關(guān)聯(lián)下的隨機(jī)性關(guān)聯(lián)，該規(guī)則不具有實(shí)用性。9.5.3 如何評(píng)價(jià)簡(jiǎn)單關(guān)聯(lián)規(guī)則的實(shí)用性9.5 簡(jiǎn)單關(guān)聯(lián)規(guī)則的有效性和實(shí)用性討論（1）簡(jiǎn)單關(guān)聯(lián)規(guī)則揭示的簡(jiǎn)單關(guān)聯(lián)關(guān)系可能是反向關(guān)聯(lián)關(guān)系。例如，某教育研究機(jī)構(gòu)依據(jù)表9.5（b）所示的調(diào)査結(jié)果，得到反映中學(xué)生的成績(jī)優(yōu)異與否與吃早餐關(guān)系的簡(jiǎn)單關(guān)聯(lián)規(guī)則：成績(jī)（優(yōu)異）早餐（吃）（S = 33.33%，C = 60%），在最小置信度和支持度為30%時(shí)該規(guī)則是一條有效規(guī)則。吃不吃合計(jì)優(yōu)異6040100不優(yōu)異661480合計(jì)12654180但進(jìn)一步計(jì)算發(fā)現(xiàn)，70%（后項(xiàng)支持度）的被調(diào)查者是吃早餐的，即成績(jī)優(yōu)異的學(xué)生中吃早餐的比例低于總體比例。此時(shí)認(rèn)為，成績(jī)優(yōu)異與吃早餐的關(guān)聯(lián)是反向的，該規(guī)則有誤導(dǎo)性。事實(shí)上，只有成績(jī)優(yōu)異的學(xué)生中吃早