数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
关联关系挖掘，从消费者交易记录中发掘商品与商品之间的关联关系。
一、原理
支持度
某个商品组合出现的次数与总次数之间的比例。
5次购买，4次买了牛奶，牛奶的支持度为4/5=0.8；数字化转型网www.szhzxw.cn
5次购买，3次买了牛奶+面包，牛奶+面包的支持度为3/5=0.6。
置信度
购买了商品A，有多大概率购买商品B，A发生的情况下B发生的概率是多少？
买了4次牛奶，其中2次买了啤酒，(牛奶->啤酒)的置信度为2/4=0.5；
买了3次啤酒，其中2次买了牛奶，(啤酒->牛奶)的置信度为2/3=0.67。
提升度
衡量商品A的出现，对商品B的出现 概率提升的程度
提升度置信度支持度
提升度>1，有提升；
提升度=1，无变化；
提升度<1，下降数字化转型网www.szhzxw.cn
频繁项集
项集：可以是单个商品，也可以是商品组合；
频繁项集是支持度大于最小支持度（Min Support）的项集。
计算过程
从K=1开始，筛选频繁项集；
在结果中，组合K+1项集，再次筛选；
循环1、2步。直到找不到结果为止，K-1项集的结果就是最终结果。
扩展：FP-Growth 算法
Apriori 算法需要多次扫描数据库，性能低下，不适合大数据量。数字化转型网www.szhzxw.cn
FP-growth算法，通过构建 FP 树的数据结构，将数据存储在 FP 树中，只需要在构建 FP 树时扫描数据库两次，后续处理就不需要再访问数据库了。
二、比喻说明
啤酒和尿不湿摆在一起销售
沃尔玛通过数据分析发现，美国有婴儿的家庭中，一般是母亲在家照顾孩子，父亲去超市买尿不湿。
父亲在购买尿不湿时，常常会顺便搭配几瓶啤酒来犒劳自己。
于是，超市尝试推出了将啤酒和尿不湿摆在一起的促销手段。
这个举措居然使尿不湿和啤酒的销量都大幅增加。
声明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。数字化转型网www.szhzxw.cn
数字化转型网数据专题包含哪些内容
数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
数字化转型网数据专题包含： 数字化转型网（www.szhzxw.cn）
1、数据相关外脑支持：100+数据相关专家、100+数据实践者、1000+相关资料
2、数据研习社：与全球数据相关专家、实践者共同探讨相关问题，推动产业发展！
3、国际认证培训：目前已引进DAMA国际认证CDMP，其他国内外认证也在逐步引进中
4、典型案例参考：与数字化转型网数据要素X研习社社员一起学习典型案例，共探企业数据落地应用
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于 Python大数据分析；编辑/翻译：数字化转型网Jack。
