前言

本篇繼續我們的微軟挖掘算法系列總結，前幾篇我們分別介紹了：Microsoft決策樹分析算法、Microsoft聚類分析算法、Microsoft Naive Bayes 算法、Microsoft 時序算法，后續還補充了二篇結果預測篇、Microsoft 時序算法——結果預算+下期彩票預測篇，看樣子有必要整理一篇目錄了，不同的算法應用的場景也是不同的，每篇文章都有它自己的應用場景介紹，有興趣的同學可以參閱。本篇我們總結微軟挖掘算法系列中一款比較重要的算法：Microsoft關聯規則分析算法，根據馬克思哲學理論，所謂世間萬物皆有聯系，而且聯系是普遍的，此篇的Microsoft關聯規則算法就是用來挖掘關聯關系的典型算法，閑言少敘，我們直接進入正題。

應用場景介紹

關聯規則算法是在大量數據事例中挖掘項集之間的關聯或相關聯系，它典型的應用就是購物籃分析，通過關聯規則分析幫助我們發現交易數據庫中不同的商品（項）之間的聯系，找到顧客購買行為模式，如購買某一個商品對其它商品的影響。進而通過挖掘結果應用于我們的超市貨品擺放、庫存安排、電子商務網站的導航安排、產品分類、根據購買模式對用戶進行分類，相關產品推薦等等。

比較典型的為大家所熟知的就是：啤酒和尿布的故事

其實很多電子商務網站中在我們瀏覽相關產品的時候，它的旁邊都會有相關產品推薦，當然這些它們可能僅僅是利用了分類的原理，將相同類型的的產品根據瀏覽量進而推薦給你，這也是關聯規則應用的一種較簡單的方式，而關聯規則算法是基于大量的數據事實，通過數據層面的挖掘來告訴你某些產品項存在關聯，有可能這種關聯關系有可能是自身的，比如：牙刷和牙膏、筷子和碗...有些本身就沒有關聯是通過外界因素所形成的關系，經典的就是：啤酒和尿布，前一種關系通過常識我們有時候可以獲取，但后一種關系通過經驗就不易獲得，而我們的關聯規則算法解決的就是這部分問題。

技術準備

（1）微軟案例數據倉庫（AdventureWorksDW208R2），這里我們應用到兩張表：vAssocSeqLineItems 表和 vAssocSeqOrders 表，這兩張表典型的“一對多”的關聯關系，vAssocSeqOrders為訂單表，vAssocSeqLineItems 表為訂單明細表，兩者通過OrderNumber關聯，稍后的步驟我們會詳細的分析這兩張表內容

（2）VS2008、SQL Server、 Analysis Services

操作步驟

（1）我們這里還是利用上一期的解決方案，然后數據源，然后數據源視圖，很簡單的步驟，不明白的可以看我們前面幾篇文章，然后將這兩張表的主外鍵關聯上，我們來看圖：

很基礎的東西，這里不做過多的解釋，Orders為主表，Items為明細表，通過CustomerKey主鍵進行關聯，下面我們瀏覽下這兩張表里面的數據：

vAssocSeqOrders表內容很簡單：訂單號（邏輯主鍵）、客戶號（客戶表的外鍵）、地區、收入類型，別的沒啥可預覽的，這種表是太基礎的內容，來看另外一張表：

vAssocSeqLineItems表，訂單號（外鍵）、購買數量、購買產品，很簡單的一張表

（2）新建挖掘結構

這里我們新建這個數據的挖掘模型，很簡單的下一步、下一步就行，有不明白的可以參照我以前的內容或者私信我，我們來看幾個關鍵的步驟：

這里我們選擇Microsoft關聯規則算法，然后下一步：

這里我們標示好事例表和嵌套表，下一步我們指定定型數據

這這里面我們配置好鍵、和輸入、輸出預測列，然后起個名字：relevance

至此，我們的Microsoft關聯規則分析算法已經初步建立好了，下面一步我們來配置該算法幾個關鍵屬性值。

（3）參數配置

此種算法有兩個參數比較重要，我們來看：

Support:定義規則被視為有效前必須存在的事例百分比。也就是說作為關聯規則篩選的事例可能性，比如設置成10%，也就是說在只要在所有事例中所占比為10%的時候才能進行挖掘。

PRobability:定義關聯被視為有效前必須存在的可能性。該參數是作為結果篩選的一個預定參數，比如設置成10%，也就是說在預測結果中概率產生為10%以上的結果值才被展示。

我們將該模型的兩個參數設置為：

MINIMUM_PROBABILITY = 0.2

MINIMUM_SUPPORT = 0.01

我們部署該模型，然后運行，我們來查看結果。

結果分析

部署完程序之后，我們通過“挖掘模型查看器”進行查看分析，不廢話，我們直接看圖：

從上面的截圖中我們可以看到，Microsoft關聯規則算法有三個面板來展示結果：規則、項集、依賴關系網絡

下面我們分別來介紹這三個面板，第一個，規則：

上面有幾個條件篩選項，第一個就是設置最小概率值，也就是上面我們新建模型設置的參數，第二個是是篩選規則，通過它我們找到相應的產品方便我們查看，還有一個重要性的參數，同樣的對于下面結果中的第二列可能性列，最大行數設置顯示的行數。

下面結果的表格中，第一列概率的值就是產品之前會產生關聯的概率，按照概率從大到小排序，第二列為可能性，該度量規則的有用性。該值越大則意味著規則越有用，設置該規則的目的是避免只使用概率可能發生誤導，比如有時候超市里舉行促銷活動會每個人都免費給一間物品，如果僅僅根據概率去推測，這件物品的概率將是1，但是這個規則是不準確的，因為它沒有和其它商品發生任何關聯，也就是說該值是無意義的，所以才出現了“重要性”列。

第三列即為我們的挖掘出來的結果項，前面為已有的產品項，‘—>’后面的即為推測的產品項，我們舉個例子，比如：

經過排序可以看到，上圖中的該條規則項為關聯規則最強的一種組合：前面的為：山地自行車（Mountain-200）、山地自行車內胎（Mountain Tire Tube）然后關聯關系最強的為：自行車輪胎(HL Mountain Tire)

嗯，有道理的很呀，有了山地自行車了，然后同樣也具備山地自行車內胎，剩下的就是需要自行車輪胎了。

其它的也是同樣的分析方法，這里我們就不分析了，有興趣的可以自己分析，嘿..我看到上面的第三條：

自行車（Road-750）、水壺（Water Bottle）->自行車水壺框（Road Bottle Cage）

....自行車、水壺，肯定得買個自行車水壺框了......

這個水壺好有個性，下面我們來具體看看跟這個利器有關的商品有哪些....嘿嘿...我們來看圖：

我那個去....瞅瞅...第一個結果：水壺框（Road Bottle Cage、Mountain Bottle Cage）...下面我目測了下...我可以明確的告訴你，丫的..這個名字叫Water Bottle(水壺...嘿嘿原諒我的E文能力)的利器最相關的就是水壺框（Bottle Cage）了...

超市里東西怎么擺放？ 網站上該產品的相關推薦該推薦神馬？ 有一個顧客已經買了這個東西你推薦它啥懂了吧？......

下面我們來看第二個面板能告訴我們什么，我們打開“項集”面板：

這個面板也簡單的很，上面有幾個篩選框設置我們的最低支持數，最小的項集大小，最大行數，這個沒啥說的，很簡單，下面的結果集顯示的為我們的數據集合中“支持”的事例集合個數、然后“大小”就是該規則下里面的項集的個數，第三列就是項集的詳細了。

我去...上面我們分析的水壺（Water Bottle）竟然排在了第一行，該行中的項集明細為：山地自行車（Mountain-200）、水壺（Water Bottle）、自行車水壺框（Road Bottle Cage），第二行也有，看來這廝看來很有分析價值，我們后續接著分析，嘿嘿

我們進入第三個面板“依賴關系網絡”，我們來看：

這幅圖已經很熟悉了吧，前幾篇文章中均有介紹，分析各種產品之間的關聯關系的強弱，拖動右側的滑動條然后進行分析

嘿嘿...我小心翼翼的拖動了這個滑動條...試圖找找上面我們分析的哪款利器（Water Bottle）:

嘿嘿...找到了，上圖中就標示了這玩意相關的商品，我們來看Mountain Bottle Cage、Road Bottle Cage這兩個都是雙向關聯，然后Road-750、Cycling Cap、Hydration Pack...

其它的商品也利用這種規則進行分析，有興趣的可以自己分析。

推測結果導出

我們到此步驟直接將該模型的分析結果進行預測，暫且不驗證其準確性，直接將結果導出，來看看該算法的應用項，我們進入“挖掘模型預測”：

在下面的網格中設置我們的挖掘篩選規則，點擊“源”，選擇“預測函數”，選擇PredictAssociation,將vAssocSeqLineItems，將其拖到網格中 PredictAssociation 函數的“條件/參數”框。然后設置該參數為[Association].[v Assoc Seq Line Items],3

我們點擊運行，直接來查看結果：

看，上面的Microsoft關聯規則算法給我們推薦出來關聯性最強的三種產品，分別為：Sport-100、Water Bottle、Patch kit...

當然有時候我需要只查看某一種商品，不關系其它的產品有什么關聯關系，我們來做單獨查詢，我們在菜單中的“挖掘模型”，然后選擇“單獨查詢”：

點擊開單獨篩選的條件框：

在“嵌套表輸入”對話框中，選擇“鍵列”窗格中的 Touring Tire

我們點擊運行，來查看結果：

可以看到這里我們只是篩選出了該商品的關聯關系結果集，當然這里我們可以顯示出該產品之間的關聯的關系值，這里我們直接寫語句：

點擊運行，我們來看結果：

這里我們能看到，商品、支持的事例數，可能行、概率等明細值。

對于Microsoft關聯規則算法還有一種更有趣的應用就是，根據現有的顧客已經買的的產品，然后利用它自己的挖掘模型進行推測，推測出這個顧客將下一個買什么產品，比如上面的例子中，如果某個顧客已經買了山地自行車、自行車內胎，那么利用該模型它會自動推測出該顧客下一步將會買自行車輪胎，這個用法其實很關鍵，通過該方法預測已經能推測出顧客下一步的購買意向！...

如果將該挖掘模型利用到電子商務網站...那么他們推薦的商品將更準確，同樣所得到的精準銷售也更到位...結果你懂的！

我們來看步驟：

我們來選擇應用的事例表：

我們來選擇兩者的關聯關系，可以右鍵直接編輯：

然后編輯篩選函數，直接看圖：

點擊查看結果：

可以看到，這個顧客編號為：18239的他將買優先買三個產品：Water Bottle、Road-750、Touring-1000，后面還列出他的概率和可能性...

嘿嘿..我們打開數據庫來看看這個顧客的情況：

.....嘿嘿...這個顧客已經買了兩個商品了，Road-250、Road Bottle Cage,根據上面的推算法則...這個顧客應該馬上急需要買一個叫做Water Bottle的神器...用來喝水

然后，我們將這個結果保存到數據庫..一段簡單的代碼就能搞出那些顧客急需要什么商品...

他們最可能買的商品有哪些....，剩下的工作你懂得！

結語

本篇文章到此結束了...結語就是我們后面還會繼續分析其它的算法，有興趣的童鞋可以提前關注。上面其實還有幾部分需要補充，就是準確性驗證和篩選條件挖掘，比如我想知道某些特定客戶群體他們的購買的產品關聯規則等等吧，后續文章繼續分析這些問題。

文章的最后我們給出前幾篇算法的文章連接：

Microsoft決策樹分析算法總結

Microsoft聚類分析算法總結

Microsoft Naive Bayes 分析算法

Microsoft算法結果預測篇

Microsoft時序算法總結

Microsoft 時序算法——結果預算+下期彩票預測篇

如果您看了本篇博客,覺得對您有所收獲，請不要吝嗇您的“推薦”。