1.关联算法应用介绍

　　关联规则分析是数据挖掘中最活跃的研究方法之一，目的是在一个数据集中找出各项之间的关联关系，而这种关系并没有在数据中直接表示出来。常见于与购物篮分析。

　　常用关联算法表如下，简单理解的话，就是测算某几项东西一起出现的概率。比如：如果测算得出，大量订单中出现面包、牛奶这两个东西，那么就放在一起销售，增加市场收入。

python关联规则apriori算法代码 python关联规则挖掘_字段

　　三个判断准则：支持度（support）、置信度（confident）、提升度（lift）。

　　1.support(A)= number of A/total items，support(B)= number of B/total items，support(A=>B)= support(B=>A)= number of A and B/total items

　　2.confidence(A=>B)= number of A and B/number of A，confidence(A=>B)!=  confidence(B=>A)

　　3.lift(A=>B)= confidence(A=>B)/support(B)，lift(A=>B)= lift(B=>A)

对三个准则的解释：

　　support很简单，就是单一商品或者rule出现的概率。我们认为某条规则(rule)出现的次数需要达到一定程度，才能认为这条规则有足够的支持度来支撑其是真实存在的，而不仅仅是因为偶然出现了几次就认为这是一条普遍存在的规则。support是第一道过滤的准则，能够在繁杂众多的交易中过滤出值得我们关注的潜在规则。

　　confidence我们认为代表着“给定consequent的情况下，antecedent出现的概率”，也就是说是判断规则中两边存在的联系。confidence越高越好，一个高的confidence证明当交易出现了某个antecedent的时候，很大可能会出现某个consequent，也就是某条规则成立的概率越大。

　　lift融合了support和confidence，代表一条规则中，antecedent和consequent的依赖性，当lift=1的时候，代表给定一个antecedent，某个consequent出现的概率是随机的，也就是说antecedent和consequent相互独立，两者没有任何依赖性，规则不成立。当lift<1的时候，证明antecedent和consequent之间可能存在负依赖性，两者同时存在的概率甚至小于随机选择，若果lift大大小于1，有可能两者是替代商品。当lift>1的时候，则代表两者可能存在正依赖性，顾客买antecedent的时候更倾向于同时购买consequent。

 

 

 

 　　举例：

　　假设有两个商品A和B，商品A的support是40%，商品B的support是95%，表明40%的交易里面存在A，95%的交易里面存在B，注意，A和B之间在这里仅仅代表自己，40%和95%这两个数值并不代表他们之间存在联系。假如confidence(A=>B)=80%，表明如果顾客购买了A，有80%的顾客同时有购买了B。又假设support(A=>B)足够高，这似乎看起来support和confidence都很高的情况下，A=>B这条规则是很有可能成立的。然而lift只有confidence(A=>B)/support(B)= 80% / 95% =0.8421，也就是说lift不太支持这条规则成立，因为顾客普遍都会买B，导致了support和confidence都偏高而lift则不高。

2.pycaret.arules使用方法

　　官方链接：https://pycaret.readthedocs.io/en/latest/api/arules.html，整体使用的流程为：

　　1）setup() ：初始化-> create_model() ：创建模型-> plot_model()展示模型结果与分析

　　2）get_rules()：查看详细规则，返回pandas.DataFrame

　　2.1API介绍　

　　初始化：

# pycaret使用模型的第一步，初始化。
# data: pandas.DataFrame
# transaction_id: str 识别事务的ID字段
# item_id: str 用于做关联的字段，如：菜品Id列
# ignore_items: list, default = None 规则挖掘中，需要被忽略的规则
# session_id: int, default = None 随机种子？
# return 全局变量
pycaret.arules.setup(data, transaction_id, item_id, ignore_items=None, session_id=None)

　　创建模型：

#metric:设置评估变量，可以为'confidence',‘support’, ‘lift’, ‘leverage’, ‘conviction’
#threshold: float, default = 0.5，评估变量的最小阈值
#min_support: float, default = 0.05，支持度最小阈值
#round: int, default = 4，设置小数位精确度
#Returns:pandas.DataFrame规则详情
pycaret.arules.create_model(metric='confidence', threshold=0.5, min_support=0.05, round=4)

　　绘制展示：

# model: pandas.DataFrame, default = none，传入刚刚创建的模型
# plot: str, default = ‘2d’,或'3d'，绘制图表类型的参数
# scale: float, default = 1，图像分辨率
pycaret.arules.plot_model(model, plot='2d', scale=1)

　　其他

具体使用代码：

from pycaret.datasets import get_data
data = get_data('france')
from pycaret.arules import *
exp_name = setup(data = data, transaction_id = 'InvoiceNo', item_id = 'Description')
rule1 = create_model(metric='confidence', threshold=0.7, min_support=0.05)
plot_model(rule1, plot='3d')

rule1，字段定义：

  • support(A->C) = support(A+C) [aka ‘support’], range: [0, 1]
  • confidence(A->C) = support(A+C) / support(A), range: [0, 1]
  • lift(A->C) = confidence(A->C) / support(C), range: [0, inf]
  • leverage(A->C) = support(A->C) - support(A)*support(C), range: [-1, 1]，emmm,没看出啥意义先。
  • conviction = [1 - support(C)] / [1 - confidence(A->C)], range: [0, inf]，emmm,没看出啥意义先。

python关联规则apriori算法代码 python关联规则挖掘_字段_02

 

 

·　　实际使用中，应该还有对consequents进行一个筛选，留下自己期望的结果。比如，中医症状与病情，结果仅需要“病情”。

　　图例显示，3d图形的显示，能够很快的找到相对各参数都比较大的点。

python关联规则apriori算法代码 python关联规则挖掘_初始化_03