***
很久以前，研究資料探勘的康師傅告訴一種應用，叫做交叉銷售。它是用來向使用者推薦目標業務的。背後的原理是，通過分析現有使用者的業務使用組合，對於那些常常一同&172;出現的業務，這就是一種規則。譬如有一對業務總是出現，只要有其中一種業務的，70％的可能會有另一種業務。就可以對那些只使用一種業務的推薦另一種業務，因為&172;這個規則的緣故，照理來說，成功率是很高的。
聽起來很酷，我想這應當就是關聯規則唄，資料探勘似乎就是靠它被渲染起來的。那個經典的啤酒尿布的故事，可不也就是如此，發現買啤酒的和買尿布的同時出現的機率&172;很高。這種規則，通過人的大腦，還真的不容易分辨出來。
這不，眼前擺在我面前的是乙份產品關聯分析的結果，我要從中找出一些有意思的規則出來。這是我的第一次，雖然以前也跟人噴過關聯規則，但自己從未解讀過這種結果&172;。
雖然名稱叫做"產品關聯分析"，但看起來，更應該叫做"業務屬性關聯分析"。上面的例子當中是兩項業務之間的關聯，或者是購買物品之間的。當然，我們也可以將"&172;訂購xx業務"，或者"購買啤酒"當作使用者的屬性，不過屬性的含義太含糊。此處，我們的產品關聯分析中，將年齡、性別、客戶級別、主叫多（大於平均次數）等等。&172;可以看出來，這種和"購買啤酒"的屬性多少還是有些差別的，但差別在什麼地方，還真的難以用言語表達出來。
在關聯分析結果中，仍然用"業務"這個詞來表示上面提到的"屬性"，將"年齡：19-26歲之間"作為一種業務多少有些奇怪。
既然是關聯，就得考慮兩種業務，業務
一、業務二。據說這種叫做單維關聯規則，還有一種多維關聯規則。單維的關聯規則表示為，如果a那麼b；而多維的可以表示為，&172;如果a並且b，那麼c。明顯，多維關聯分析的複雜度要高一些。看來我們的建模人員選擇了一種省事的做法。
每條關聯規則，都有一些指標來衡量是否有效，或者成為"強度"吧。這裡就是通過幾個指標來衡量的。支援度、置信度和lift。
支援度是指使用兩種業務（或稱具有兩種屬性，下面也都可以用"具有屬性"一詞代替"使用業務"）的佔總分析人數的比例。
置信度是指使用業務一，有同時使用業務二的，佔使用業務一人數的比例。
lift，是指在業務一中使用業務二的比例，比在總分析人群中使用業務二的比例提公升了多少倍。
可見如果lift值高，那麼這個規則就真的是那麼回事。如果a，那麼b大多數情況是成立的。但也要考慮置信度阿，因為如果業務一和業務二關聯性本身就是非常強，&172;甚至是一種依賴關係的話，這個規則也就沒什麼意義。例如業務一為"使用gprs"，業務二為"使用手機報紙"，置信度＝1，這條規則當然也就沒什麼意義。那麼是&172;否置信度越小約好呢？好像也不是這樣的，越小，說明業務
一、二關聯程度並不高。因此，恐怕這個置信度得取乙個合適的區間。當然，這個區間範圍是多少，我是沒有譜&172;的。另外還得考慮支援度，如果同時使用兩種業務的比例實在太小，那麼這條規則能不能說明問題？即便後面lift能夠達到10倍，甚至幾十倍，恐怕也是因為基數小&172;的原因。
將這幾個指標的含義弄明白，接下來就是要將有意義的規則挑選出來。可擺在面前的關聯數有幾千條之多，讓人頭大。
qing 20060724
上回書說到關聯規則的解讀中，幾項指標的含義。
要知道幾十種業務一和幾十種業務二進行兩兩關聯，會有多少種可能嗎？應該用中學的"組合"來計算吧。具體公式是怎麼回事已經遺忘，不過看看擺在面前的關聯分析結&172;果就知道這個量會多大了。
拖動滾動條，拖了很久，總共是八千多行，我的嗎呀，怎麼從中分辨出有意義的規則呢？
很自然地，我想到應該是過濾掉無意義的，可何謂無意義？要明確意義，就得明確目標。最後我們拿到這個結果是要用來指導營銷的，對什麼樣的人推薦什麼樣的業務。那&172;麼就將業務一當作是"什麼樣的人"使用的業務，而業務二，就是要推薦的業務。
顯然，如果是這樣的，某些"屬性"就不能作為業務二的。譬如年齡、性別、超常使用長途等屬性，這些屬性看起來是使用者固有的，不是通過推薦而改變的。因此，顯然可&172;以將這些屬性作為業務二的規則去掉。
為了區別，可以對每條規則增加乙個標籤，例如用"c1"表示剛才那種情況，表示業務二不適合推薦，去掉。這一步已經能夠忽略很多的規則。接著再考慮還有哪些是可&172;以忽略掉的。
作為業務一，是表示使用該業務或具備該屬性的目標人群。可是否有些屬性是強加給使用者，而不是自然選擇的結果呢？例如有一種"手機郵箱"的業務，很多營銷案中會將&172;它**進去，結果大部分使用者都有這個屬性。其實這種屬性並不能表明使用者的業務特性，應當去除。標記成"c2"吧。
第三步，再考慮lift值的情況。lift值是指在業務一中使用業務二的比例，比在總分析人群中使用業務二的比例提公升了多少倍。如果lift<1，意味著這條規&172;則沒有作用，業務二和業務一的關聯很弱，甚至不比平均水平高。不僅如此，我還狠了狠心，將lift<3的都忽略，認為這些規則都是不值一提的，標記成"c4"。
第四步，考慮confidence，它是指使用業務一，有同時使用業務二的，佔使用業務一人數的比例。其實可以如果業務
一、業務二對調一下，lift是不變的，&172;而confidence不同。如果confidence＝1，表示業務一完全依賴業務二，沒有必要去根據業務一去推薦業務二。因此，可以設定乙個confide&172;nce的最高閥值，也是一狠心下，設定為0.6。要注意，上面將lift<3和confidence<6都是一種主觀的行為，沒什麼根據。
至於是否要為confidence設定乙個最小閥值，我不知道該不該設，但此時，有效的關聯規則似乎已經很少了，達到可以閱讀的情況，於是便住手。將剩下的規則&172;都看成有意義的。
不過最好還得分得再細一些，我想。
對於每種待推薦的業務，應該優先考慮再哪些目標人群呢？
對於某種目標人群，應該優先考慮推薦什麼業務呢？
這簡單，第一種情況。按照業務二公升序、lift降序排序，將每個業務二的規則，標記出前三名和前三名之外。例如"p0"表示前三名，"p1"表示之外的。同樣，&172;第二種情況，按照業務一公升序、lift降序排列，標記前三名和前三名之外。因為前面已經有"p0"/"p1"的標籤，因此對於前三的，在原有標籤後面加上"p2&172;"，三名之外的，加上"p3"。如此，就會有四種組合的標籤。
如果要檢視最優先考慮的規則，就看"p0p2"的標籤好了，此時已經非常少，一屏一目了然。
似乎是次不賴的解讀，完美的第一次，我很得意地看著這份結果，有些沾沾自喜。
qing 20060725
上回書說到面對幾千條的規則，如何層層過濾，抓住重點。
不過是自以為抓住重點了。但只要和產品關聯分析最終目標一聯絡，就發現，上回的方法有些不實用。我們的目標是什麼，不是沒有駐牙，是要推薦業務。可經過一番過濾&172;，將自認為沒有意義的規則去掉，有些業務自然也就看不到。
在拿著這份結果跟人討論的時候，無法用標籤字段僅僅顯示"p?p?"的規則，這只是一小部分。別人還是要針對每種業務二，看那些業務一跟其關聯程度大。
可能一開始我就走錯了路。
抓住重點的想法是沒錯的。但既然是推薦某種業務，那就將他們作為業務二的規則挑選出來，這樣豈不是更能抓住重點？只是因為一開始並不知道使用者最關注的是哪些業務&172;，因此做了泛泛的過濾。特別是在對confidence和lift的過濾中。
上午在客戶處交流這份關聯分析結果。
預先設定的那個標籤字段幾乎沒有用上。倒是有位女士提出對這個欄位的疑問，也不想過多解釋，只是說標明了規則的強弱。最後還是取了大約三四種業務二，一一地分析&172;每條規則。
沒有辦法去給confidence或lift定義乙個閥值，以區別強規則和弱規則。因為，有很多屬性之間的是相似的，統計口徑可能也是相差無幾，譬如"使用wa&172;p"和"使用wap娛樂"，這兩者有一種隸屬關係。最後和業務二關聯的lift很高，但顯然，只需要取乙個就作為選擇目標使用者的條件就可以了。但很多這樣的有些&172;重複的屬性會導致理解起來困難。
我想，在設計關聯分析的輸入變數時，是需要考慮一下變數之間的明顯關係，例如是否有依賴關係，甚至是否表示同乙個業務含義。
曾有個想法——對於業務
一、業務二看起來沒有任何關聯的，但資料反應出來的卻關聯很大，這種規則才是最有意義的。對於那種不用資料看就知道存在依賴關係的關聯，&172;沒有必要用資料探勘來做。因此，上回將confidence值太高的去掉也就是這個原因，因為明顯表現了一種依賴關係。經典案例中，啤酒和尿布看起來實在是關聯&172;不大，可這種規則才是吸引人的。
經過和客戶的討論，上回自認為不錯的方法實在不是個好點子。關聯規則的解讀不能只從資料結果看，必須得結合業務經驗來閱讀（不過這聽起來像是廢話）。
bi-season』s life 20060802
聯規則的解讀不能只從資料結果看，必須得結合業務經驗來閱讀.(雖然是大的廢話,但是這點我比較贊同.)我研究fp-growth演算法做關聯規則挖掘,後來試用&172;sqlserver
2005,當支援度置信度設定較低的時候,生成的關聯規則那個多啊,後來提高了這兩個變數的值,靠,挖掘出來的規則我都看不懂.慢慢研究發現,原來由於對業務理&172;解的不夠,在做etl的時候,沒有刪除重複資料.那個鬱悶啊.
現在看來,大多數的關聯規則挖掘都要牽扯到多維多層的概念,怎麼做?如何定義維度,層次?都要跟業務結合的比較緊密.還有,就是增量更新後的關聯規則挖掘問題(&172;這是個技術問題,不知道現在哪個工具支援關聯規則增量更新這個功能,慶兄知否?),都不容易.
關聯規則（一）
關聯規則的發現是指找出支援度大於等於最小支援度 minsup 並且置信度大於最小置信度 minconf 的所有 規則。對於關聯規則分析來說，主要分為兩個步驟 1.找出頻繁項集 找出滿足最小支援度閾值的所有項集。2.規則的產生 從第一步中找出置信度大於最小置信度閾值的規則。一 基本定義 1.支援度 s...
關聯規則挖掘
關聯規則反映事物之間的相互依存性和關聯性。如果事物之間存在一定的關聯，那麼我們就可以通過乙個事物去 另乙個事物。我們要挖掘大量資料中人們感興趣的，有價值的資訊，包括概念，規則，規律等。關聯規則 發現資料中的規律 超市中什麼產品會 起購買？組合推薦 顧客在買了 臺pc之後下 步會購買?搭配推薦 哪種d...
關聯規則Apriori
首先介紹的是啤酒和尿布的故事 上網自查 這是學習關聯規則必須知道的乙個故事。頻繁項集，關聯規則，支援度，置信度這四個概念貫穿apriori演算法的始終。如果乙個集合不是頻繁相集，那它的超集比然也不是頻繁相集。機器學習實戰例子 coding utf 8 from numpy import def lo...