二、應(yīng)用場(chǎng)景舉例

1、股票漲跌預(yù)測(cè)

2、視頻、音樂、圖書等推薦

3、打車路線預(yù)測(cè)（考慮時(shí)空）

那當(dāng)你每天早上打開軟件的時(shí)候，打車軟件就會(huì)推薦你的公司作為目的地，大大的減少用戶的打車時(shí)間。如下圖，我輸入小區(qū)名稱，馬上給我推薦了三個(gè)地方，杭州東站第一位，因?yàn)槠綍r(shí)的打車這個(gè)組合的支持度最高。

4、風(fēng)控策略自動(dòng)化挖掘

三、3個(gè)最重要的概念

關(guān)聯(lián)規(guī)則有三個(gè)核心概念需要理解：支持度、置信度、提升度，下面用最經(jīng)典的啤酒-尿不濕案例給大家舉例說明這三個(gè)概念，假如以下是幾名客戶購買訂單的商品列表：

1、支持度

在這個(gè)例子中，我們可以看到“牛奶”出現(xiàn)了 4 次，那么這 5 筆訂單中“牛奶”的支持度就是 4/5=0.8。

這樣理解起來是不是非常簡(jiǎn)單了呢，大家可以動(dòng)動(dòng)手計(jì)算下 '尿不濕+啤酒'的支持度是多少？

2、置信度

置信度（牛奶→啤酒）= 3/4=0.75，代表購買了牛奶的訂單中，還有多少訂單購買了啤酒，如下面的表格所示。

由上面的例子可以看出，置信度其實(shí)就是個(gè)條件概念，就是說在 A 發(fā)生的情況下，B 發(fā)生的概率是多大。如果僅僅知道這兩個(gè)概念，很多情況下還是不夠用，需要用到提升度的概念。比如A出現(xiàn)的情況下B出現(xiàn)的概率為80%，那到底AB是不是有關(guān)系呢，不一定，人家B本來在大盤中的比例95%。你的A出現(xiàn)，反而減少了B出現(xiàn)的概率。

3、提升度

• 提升度 (A→B)>1：代表有提升；

• 提升度 (A→B)=1：代表有沒有提升，也沒有下降；

• 提升度 (A→B)<1：代表有下降。

4、頻繁項(xiàng)集

頻繁集挖掘面臨的最大難題就是項(xiàng)集的組合爆炸，如下圖：

隨著商品數(shù)量增多，這個(gè)網(wǎng)絡(luò)的規(guī)模將變得特別龐大，我們不可能根據(jù)傳統(tǒng)方法進(jìn)行統(tǒng)計(jì)和計(jì)算，為了解決這個(gè)問題，Apriori算法提出了兩個(gè)核心思想：

如下圖，如果我們已知B不頻繁，那么可以說圖中所有綠色的項(xiàng)集都不頻繁，搜索時(shí)就要這些項(xiàng)避開，減少計(jì)算開銷。

同理，如果下圖所示，{A,B}這個(gè)項(xiàng)集是非頻繁的，那虛線框后面的都不用計(jì)算了，運(yùn)用Apriori算法的思想，我們就能去掉很多非頻繁的項(xiàng)集，大大簡(jiǎn)化計(jì)算量，當(dāng)然，面對(duì)大規(guī)模數(shù)據(jù)的時(shí)候，這種排除還是解決不了問題，于是還有FP-Growth（Frequent pattern Growth，頻繁模式增長樹）這種更高效的方法，后面有機(jī)會(huì)慢慢講。

需要注意的是：

四、Python算法介紹

#包安裝我們使用efficient-apriori，python中也可以利用apyori庫和mlxtend庫
pipinstallefficient-apriori

#加載包
fromefficient_aprioriimportapriori

‘’‘
apriori(transactions:typing.Iterable[typing.Union[set,tuple,list]],
min_support:float=0.5,
min_confidence:float=0.5,
max_length:int=8,
verbosity:int=0,
output_transaction_ids:bool=False)
上面就是這個(gè)函數(shù)的參數(shù)
min_support：最小支持度
min_confidence：最小置信度
max_length：項(xiàng)集長度
‘’‘

#構(gòu)造數(shù)據(jù)集
data=[('牛奶','面包','尿不濕','啤酒','榴蓮'),
('可樂','面包','尿不濕','啤酒','牛仔褲'),
('牛奶','尿不濕','啤酒','雞蛋','咖啡'),
('面包','牛奶','尿不濕','啤酒','睡衣'),
('面包','牛奶','尿不濕','可樂','雞翅')]
#挖掘頻繁項(xiàng)集和頻繁規(guī)則
itemsets,rules=apriori(data,min_support=0.6,min_confidence=1)
#頻繁項(xiàng)集
print(itemsets)
{1:{('啤酒',):4,('尿不濕',):5,('牛奶',):4,('面包',):4},
2:{('啤酒','尿不濕'):4,('啤酒','牛奶'):3,('啤酒','面包'):3,('尿不濕','牛奶'):4,('尿不濕','面包'):4,('牛奶','面包'):3},
3:{('啤酒','尿不濕','牛奶'):3,('啤酒','尿不濕','面包'):3,('尿不濕','牛奶','面包'):3}}
itemsets[1]#滿足條件的一元組合
{('啤酒',):4,('尿不濕',):5,('牛奶',):4,('面包',):4}
itemsets[2]#滿足條件的二元組合
{('啤酒','尿不濕'):4,('啤酒','牛奶'):3,('啤酒','面包'):3,('尿不濕','牛奶'):4,('尿不濕','面包'):4,('牛奶','面包'):3}
itemsets[3]#滿足條件的三元組合
{('啤酒','尿不濕','牛奶'):3,('啤酒','尿不濕','面包'):3,('尿不濕','牛奶','面包'):3}
#頻繁規(guī)則
print(rules)
[{啤酒}->{尿不濕},{牛奶}->{尿不濕},
{面包}->{尿不濕},{啤酒,牛奶}->{尿不濕},
{啤酒,面包}->{尿不濕},{牛奶,面包}->{尿不濕}]

#我們把max_length=2這個(gè)參數(shù)加進(jìn)去看看
itemsets,rules=apriori(data,min_support=0.6,
min_confidence=0.5,
max_length=2)
#頻繁項(xiàng)集
print(itemsets)
{1:{('牛奶',):4,('面包',):4,('尿不濕',):5,('啤酒',):4,('R',):4},
2:{('R','啤酒'):4,('R','尿不濕'):4,('R','牛奶'):3,('R','面包'):3,('啤酒','尿不濕'):4,('啤酒','牛奶'):3,('啤酒','面包'):3,('尿不濕','牛奶'):4,('尿不濕','面包'):4,('牛奶','面包'):3}}
#通過這個(gè)數(shù)據(jù)我們可以看到，項(xiàng)集的長度只包含有兩個(gè)項(xiàng)了

五、挖掘?qū)嵗?/strong>

每個(gè)導(dǎo)演都有自己的偏好、比如周星馳有星女郎，張藝謀有謀女郎，且鞏俐經(jīng)常在張藝謀的電影里面出現(xiàn)，因此，每個(gè)導(dǎo)演對(duì)演員的選擇都有一定的偏愛，我們以寧浩導(dǎo)演為例，分析下選擇演員的一些偏好，沒有找到公開的數(shù)據(jù)集，自己手動(dòng)扒了一部分，大概如下，有些實(shí)在有點(diǎn)多，于是簡(jiǎn)化下進(jìn)行分析。

可以看到，我們一共扒了9部電影，計(jì)算的時(shí)候，支持度的時(shí)候，總數(shù)就是9.

#把電影數(shù)據(jù)轉(zhuǎn)換成列表
data=[['葛優(yōu)','黃渤','范偉','鄧超','沈騰','張占義','王寶強(qiáng)','徐崢','閆妮','馬麗'],
['黃渤','張譯','韓昊霖','杜江','葛優(yōu)','劉昊然','宋佳','王千源','任素汐','吳京'],
['郭濤','劉樺','連晉','黃渤','徐崢','優(yōu)恵','羅蘭','王迅'],
['黃渤','舒淇','王寶強(qiáng)','張藝興','于和偉','王迅','李勤勤','李又麟','寧浩','管虎','梁靜','徐崢','陳德森','張磊'],
['黃渤','沈騰','湯姆·派福瑞','馬修·莫里森','徐崢','于和偉','雷佳音','劉樺','鄧飛','蔡明凱','王戈','凱特·納爾遜','王硯偉','呲路'],
['徐崢','黃渤','余男','多布杰','王雙寶','巴多','楊新鳴','郭虹','陶虹','黃精一','趙虎','王輝'],
['黃渤','戎祥','九孔','徐崢','王雙寶','巴多','董立范','高捷','馬少驊','王迅','劉剛','WorapojThuantanon','趙奔','李麒麟','姜志剛','王鷺','寧浩'],
['黃渤','徐崢','袁泉','周冬雨','陶慧','岳小軍','沈騰','張儷','馬蘇','劉美含','王硯輝','焦俊艷','郭濤'],
['雷佳音','陶虹','程媛媛','山崎敬一','郭濤','范偉','孫淳','劉樺','黃渤','岳小軍','傅亨','王文','楊新鳴']]
#算法應(yīng)用
itemsets,rules=apriori(data,min_support=0.5,min_confidence=1)
print(itemsets)
{1:{('徐崢',):7,('黃渤',):9},2:{('徐崢','黃渤'):7}}
print(rules)[{徐崢}->{黃渤}]

通過上述分析可以看出：在寧浩的電影中，用的最多的是黃渤和徐崢，黃渤9次，支持度100%，徐崢7次，支持度78%，('徐崢', '黃渤') 同時(shí)出現(xiàn)7次，置信度為100%，看來有徐崢，必有黃渤，真是寧浩必請(qǐng)的黃金搭檔，且是一對(duì)好基友。 當(dāng)然，這個(gè)數(shù)據(jù)量比較小，我們基本上肉眼也能看出來，這里只是提供一個(gè)分析案例和基礎(chǔ)方法，鞏固下基礎(chǔ)知識(shí)，算是開胃菜，大規(guī)模的數(shù)據(jù)，人眼無法直接感知的時(shí)候，算法的挖掘與發(fā)現(xiàn)，就顯得特別有意義了。