关联分析—购物篮分析

9

Objectives

⏹Conduct an association analysis and interpret the

results.

⏹Distinguish between association analysis and

sequence analysis.

⏹Conduct a sequence analysis and interpret the results.

考虑下面的情形，一个商店想对客户数据库进行分析，了解在购物时哪些商品会一起购

买。为此，商店选择了对客户数据库样本进行购物篮分析。

使用的数据集合：SAMPSIO.ASSOCS

ASSOCS中的变量列表

数据集合ASSOCS包含了1001个客户所购买的食品，其中20种见下表：Code Product

1001个客户中，每个客户均购买了7个物品，因而总共有7007行。数据集中每一行也就代表了客户所购产品的一个组合。在大多数数据集合中，并不是所有客户都购买了相同数量的产品。

创建初始流

按下图样式建立流程图：

ａ．设置输入数据源（Input Data Source）节点

1 打开输入数据源Input Data Source）节点。

2 从文件夹SAMPSIO中选择数据集合ASSOCS。

3 点击变量（Variables）标签。

4 设置变量CUSTOMER的模型角色为身份（Id）

5 设置变量PRODUCT的模型角色为目标变量（target）。

6 设置变量TIME的模型角色序列（sequence）。

注：变量TIME用于识别购买食品的先后次序。此例中所有商品均在同时购买，因此在这儿的次序只表明商品在购买时的登记先后次序。当考虑这种先后次序时，关联分析就是所谓的序列分析。

7 关闭输入数据源(Input Data Source)节点并保存所做改变。

ｂ．设置关联（Association）节点

８打开关联（Association）节点，按缺省变量（Variables）标签处于活跃状态。查看这一标签。

９选择综合（General）标签，这个标签可让你调整分析模式和设置所生成的关联规则数量。

领会并选择分析模式

仔细察看这个对话框所示分析模式。

分析模式的缺省设置是按上下文By Context。这种分析模式使用输入数据源（Input Data Source）节点中设定的信息确定合适的分析形式。如果输入数据集合包含：

⏹一个身份（ID）变量和一个目标（target）变量，节点自动执行关联分析。

⏹一个序列变量其状态为使用（use），节点则执行序列分析。序列分析要求模型中必须具有一个变量其模型角色是序列（sequence），关联分析忽略这种排序。

因为输入数据源里有一个序列变量，缺省分析模式将是序列分析。序列分析将在后面部分涉及，现在我们要做一个关联分析。

10把分析模式改为Association.

11关闭关联（Association）节点，在弹出对话框选择Yes保存改变。

General标签中其他可用的选项包括

支持关联的最小交易频数（Minimum Transaction Frequency to Support Associations）- 为物品集合间是否关联（同时出现在数据库中）设置最小判定标准。缺省设置是5%。

关联中物品集合的最大物品数（Maximum number of items in an association）-设定用于分析的物品集合包含物品的最大数量。缺省设置为4。

规则产生的最小可信度（Minimum confidence for rule generation）-设置产生规则的最小可信度。缺省值是10%。当执行序列分析时，此选项不可用。

在此例中，均使用缺省设置。关闭关联(Association)节点。既然没有作任何的改变，也

12从关联(Association)节点处运行流程图并查看输出结果。

首先给出的规则（Rules）标签显示如下：

规则（Rules）标签包含每条规则的信息。考虑商品A和B所组成的规则A=>B，并查看以下数据：

⏹规则A=>B的支持度（%）是所用客户中同时购买商品A和商品B的百分数。支持度是

数据库中一条规则发生的频繁程度的测度。

⏹规则A=>B的可信度是所用客户中同时购买商品A和商品B的人数和购买商品A的人

数的比率。

⏹规则A=>B的提升值是关联强度的测量。如果规则A=>B的提升值为2，那么当一个客

户随即选择商品时，购买商品A的可能性是商品B的两倍。

13右击Support(%)列，并选择

我们知道支持度（%）是拥有规则中所有相关服务的客户的比率。在1001名客户中同时购买crackers 和beer（规则1）的比率是36.56%，同时购买olives and herring（规则7）的比率是25.57%。

14 右击Confidence（%）并选择

可信度表示那些购买了左边（LHS）商品的客户中购买右边（RHS）商品客户的百分数。例如，在购买了crackers的客户中，有75%购买了beer（规则2 ）。而购买了beer的客户，仅有61%购买了crackers(规则1)。

15 右击Lift并选择

提升值在关联规则上意味着两个可信度的比率。分子是一个规则的可信度，分母是在假定左边（LHS）和右边（RHS）相互独立的情况下该规则的可信度。从而，提升值是规则右边和左边关联性的测度。大于1 的正值表示LHS和RHS之间正向的关联关系。当其大小正好为1时，表示两者之间是独立的。而小于1的值则表明两者之间是一种负向相关关系。

规则1的提升度表明，一个已经购买了peppers和avocados的客户购买sardines 和apples 的几率是一个随机选择的客户购买sardines 和apples的几率的5.67倍。然而，不幸的是这个规则的支持度非常低，仅为8.99%，表明同时购买这4种商品的事件发生机会是相当少的。按缺省，只有提升值大于１的关联法则展示在结果里。你可以改变这一设置，方法是选择：View When Confidence > Expected Confidence.

16 选择Frequencies标签.