啤酒与尿布案例的关联分析

啤酒与尿布案例的关联分析

一个超市的销售系统记录了客户购物的情况。表7-7中记录了5位客户的购物清单。

超市经理想知道商品之间的关联，要求列出那些同时购买的、且支持度≥40%(即在5行中，至少出现两次)的商品名称。知识发现数据库系统(Knowledge Discovery Database System, KDDS)透过特定算法(例如，著名的Apriori(验证)算法及或改进型算法)多次扫描数据库，依次得出表7-8和表7-9。

其中，支持度小于0.4的项目，如单项中的{面包}、{雨伞}和双项中的{尿布、牛奶}等已经略去，这3项统计为空，只有{啤酒，尿布，牛奶}出现了一次(表7-7中的3号记录)，支持度小于40%的则略去。

表7-9 频繁双项集

由Apriori算法得出的知识可解释如下：从单项统计中看出，80%的客户买了啤酒，80%的客户买了尿布。从双项统计中看出，60%的客户同时买了啤酒和尿布，40%的客户买了啤酒和牛奶，40%的客户买了尿布和婴儿爽身粉。此外，还可观察到，在买了啤酒的客户中，又买了尿布的占0.6{啤酒，尿布}/0.8{啤酒}=75%。

于是可列出下列6条规则。

R1：啤酒→尿布， supp =60%, conf =0.6/0.8=75%。

R2：尿布→啤酒， supp =60%, conf =0.6/0.8=75%。

R3：牛奶→啤酒， supp =40%, conf =0.4/0.4=100%。

R4：啤酒→牛奶， supp =40%, conf =0.4/0.8=50%。

R5：尿布→婴儿爽身粉， supp =40%, conf =0.4/0.8=50%。

R6：婴儿爽身粉→尿布， supp =40%, conf =0.4/0.4=100%。

KDD规则反映了商品之间的表面关系，其不一定是现实世界的因果关系。规则是死的，人是活的，运用之妙，存乎一心。

例如，R6“婴儿爽身粉→尿布”有很高的信赖度，是相当合理而可以解释的，R3有很高的信赖度，将提示进一步的调查分析，而在本例中，是因为训练资料太少而引起失真所致。