关联分析

本节内容：

1：理解关联分析及专业名词

2：关联分析指定数据结构-->transactions（事务结构）

3：关联分析规则规定流程

4：R代码实现规则

一、理解关联分析及专业名词

1.1：什么是关联分析：

有一个非常有名的故事："尿布和啤酒"。故事是这样的：美国的妇女们经常会嘱咐她们的丈夫
下班后为孩子买尿布，而丈夫在买完尿布后又要顺 手买回自己爱喝的啤酒，因此啤酒和尿布在
一起被购买的机会很多。这个举措使尿布和啤酒的销量双双增加，并一直为众商家所津津乐道。

我们从中会有疑问？为什么尿布和啤酒放在一起就提升销量呢？
如何去发现尿布和啤酒之间的关系就是我们要讲的关联分析

1.2：要进行关联分析要用什么方法？

Apriori algorithm是关联规则里一项基本算法。
是由Rakesh Agrawal和Ramakrishnan Srikant两位博士在1994年提出的关联规则挖掘算法。

关联规则的目的就是在一个数据集中找出项与项之间的关系，
也被称为购物蓝分析 (Market Basket analysis)，因为“购物蓝分析”很贴切的表达了适用该算法情景中的一个子集。

我们将每一个顾客购买的购物蓝中物品称之为项，而购物篮的物品集合就叫做项集，这一次购买的东西的行为叫做事务

1.3：专业名词

支持度（Support）：定 义为 supp(X) = occur(X) / count(D) = P(X)。

   1. 解释一：比如选秀比赛，那个支持和这个有点类似，那么多人（资料库），其中有多少人是选择（支持）你的，那个就是支持度；
   2. 解释二：在100个人去超市买东西的，其中买苹果的有9个人，那就是说苹果在这里的支持度是 9，9/100；
   3. 解释三：P(X)，意思是事件X出现的概率；
   4. 解释四：关联规则当中是有绝对支持度（个数）和相对支持度（百分比）之分的。

置信度（Confidence/Strength）： 定义为 conf(X->Y) = supp(X ∪ Y) / supp(X) = P(Y|X)。

买A的支持度是0.8  买B的支持度是0.6
同时买A和B的支持度是0.4
那么我们求A对B的置信度 = 0.4 / 0.8 = 0.5
##求是说够买了A之后那么再购买B的成功率是0.5，而原本B的支持度是0.6，那么在后面的算法我们就不会生成这个关联规则

支持度（提升度Lift）

通过置信度A对B的支持度 =  0.5 / 0.6 =0.83  
##这说明支持度降低，不应该把A和B放在一起进行销售

频繁集

我们指定支持度为（0.25）那么项集从1到n的项集 > 0.25就叫做频繁集。

当购物车有2个商品：叫做2项集
当购物车有3个商品：叫做3项集

二、关联分析指定数据结构-->（事务结构）　

要进行关联分析那么其数据集的数据结构必须为transactions（事务结构）。

library(arules)
library(gridBase)

tr_list = list(
  c("Bread","Milk"),
  c("Bread","Beer","Milk"),
  c("Eggs","Beer","DR")
)

##重命名
names(tr_list) = paste("tr",c(1:3),sep = "")
summary(tr_list)

##变成事务类型
#使用as函数，将链表转化为事务类型
trans = as(tr_list,"transactions")

如何查看事务类型的属性

##展现事务
LIST(trans)   ##查看事务数据
inspect(trans)

image(trans)  ##可视化查看事务

trans@data

size(trans)  #每个事务中包含多少项

filter_trans = trans[size(trans)>=3] ##筛选出事务中项数大于等于3的事务
summary(filter_trans)

三、关联分析规则规定流程

从1项集到N项集，求出各个项集的支持度，我们指定支持度的阈值为（0.25），当支持度小于0.25，我们就

将其项集删除。然后就出各个的置信度和提升度判定是否要生成规则

支持度：
	Beer = 0.6  Bread=0.8 Coke=0.4
	Diaper = 0.8 Mike=0.8
	
置信度：
	Be,Br = 0.4
	求置信度Be：Be和Br都发生的概率是0.4，原本购买Br的概率是0.8
	所以0.4/0.8=0.5 就是说，够买了Br之后那么再购买Be的成功率是0.5
	那么原本购买Be的0.6 变成了 0.5，所以就生成不了这个规则。
提升度：
	0.5/0.6 = 0.83 购买Be提升度降低

四、R代码实现规则　

1：实现：事务转换、查看事务数据

library(arules)
library(gridBase)
install.packages("arulesViz")
library(arulesViz)
tr_list = list(
  c("Bread","Milk"),
  c("Bread","Beer","Diaper","Eggs"),
  c("Milk","Diaper","Beer","Coke"),
  c("Bread","Milk","Diaper","Beer"),
  c("Bread","Milk","Diaper","Coke")
)

names(tr_list) = paste("tr",c(1:5),sep = "")
summary(tr_list)


##变成事务类型
#使用as函数，将链表转化为事务类型
trans = as(tr_list,"transactions")
inspect(trans)

2：实现：查看单项集的支持度，还有经过支持度的筛选得到的多项集的支持度

##查看支持度
ac = itemFrequency(trans,type="relative")
summary(ac)

ec = eclat(trans,parameter = list(support=0.25,maxlen=5))  
#找到所有项集 支持度大于0.25的，maxlen[最大项集是几项]

summary(ec)

inspect( sort(ec,by="support")) 
#查看各个项集的支持度，按支持度排序

 3：实现规则

##-----------------生成规则,---------------
#conf = 0.5[置信度要大于0.5也就是起码不能是靠猜的买还是不买]
rules  = apriori(trans,parameter = list(supp=0.25,conf=0.5,target="rules"))

inspect(rules)
summary(rules)

#对规则的置信度进行排序
rules.sorted = sort(rules,by="confidence",decreasing = T)
inspect(rules.sorted)

##去重复规则
is_redun = is.redundant(rules.sorted)

trans_punds = rules.sorted[!is_redun] 
inspect(trans_punds)

4：单独针对Milk的规则

#买Milk的人 我们要怎么做推荐
mike_rules = apriori(trans,parameter = list(supp=0.2,conf=0.5,minlen=2),
        appearance = list(default="rhs",lhs="Milk"))

inspect(mike_rules)
plot(mike_rules,by="lift",main="milk_rule by lift",method="graph",
     control=list(type="items"))


##买了什么产品会推荐Mike,rhs=>右边是milk
mike_rules_r = apriori(trans,parameter = list(supp=0.2,conf=0.5,minlen=3),
                     appearance = list(default="lhs",rhs="Milk"))

plot(mike_rules_r,by="lift",main="milk_rule by lift",method="graph",
     control=list(type="items"))

plot(c(rules.sorted,mike_rules_r),mian="RHS_milk rules") 
##绘制关联规则的气球图 #两个以上才能图画出来