当前位置：首页 > 关联分析--SPSS例析
关联分析（笔记）
事物之间的关联关系包括：简单关联关系、序列关联关系。
关联关系
简单关联关系
序列关联关系
简单关联规则：属于无指导学习方法，不直接用于分类预测，只揭示事物内部的结构。
Spss modeler 提供了APriori、GRI、Carma等经典算法。APriori和Carma属于同类算法。
Apriori只能处理分类变量数据可以是按事务表存储，亦可事实表存储。算法为提高关联规则的产生效率而设计
不但可以处理分类变量，前项也可是数值变量GRI数据只能按照事实表存储采用深度优先搜索策略实现算法
序列关联：关联具有前后顺序，通常与时间有关。
SPSS Modeler 提供了sequence算法；
数据格式如下：按照事务表存储，同事需要时间变量。
简单关联规则要分析的对象是事务
事务的储存方式有事务表和事实表两种方式。
事务表 顾客ID 1 1 2 2 3 3 事实表
顾客ID 1 2 3 项目A 1 0 1 项目B 0 1 0 项目C 0 0 1 项目D 1 1 0 项集 A D B D A C 两种表均表明，顾客1购买了AD两种物品，顾客2购买了BD两种物品，顾客三购买了AC两种物品。
关联规则有效性的测度指标
1、 支持度support：所有购买记录中，A、B同时被购买的比例。 2、 置信度confidence：在购买A的事务中，购买B的比例。 关联规则实用性的测度指标 1、 提升度lift：（在购买A的事务中，购买B的比例）/（所有事务中，购买B的比例）
2、 置信差
3、 置信率、正态卡方、信息差等等
简单关联关系实例 例1
数据格式：事实表 算法:Apriori
所有购买项目均选入前项antecedent和后项consequent。
输出结果的最低支持度是10%；本例设定的划分频繁项集的标准大于最小支持度10%。 最小置信度是80%； 前项最多项目数：5
本例中，三项以上没有超过10%的支持度，所以不能形成三项以上的频繁项集，最大的频繁项集大小是2。
结论解释：
实例：包含前项beer、cannedveg的样本有167个，在1000个样本中前项支持度为16.7%。 规则支持度：同时购买beer、cannedveg、frozenmeal三项的支持度为14.6%。 规则置信度：购买beer、cannedveg的客户中，87.425%的人有购买frozenmeal。 规则2下，购买frozenmeal的可能性比购买frozenmeal的支持度提高2.895倍。
本文作者：...共分享92篇相关文档
