关联规则Apriori算法分析如何真正实现

1、关联规则3大关键词：支持度(Support)、置信度(Confidence)与提升度(Lift)。我们先简单了解下这3个关键指标！

2、支持度：支持度是两件商品（A∩B）在总销售笔数(N)中出现的概率，即A与B同时被购买的概率。类似于中学学的交集，需要元素同时满足条件，公式如图2。

3、例子说明：比如某超市2016年有100w笔销售，顾客购买可乐又购买薯片有20w笔，顾客购买可乐又购买面包有10w笔，那可乐和薯片的关联规则的支持度是20%，可乐和面包的支持度是10%。

4、置信度：置信度是购买A后再购买B的条件概率。简单来说就是交集部分C在A中比例，如果比例大说明购买A的客户很大期望会购买B商品，公式如下图！

7、例子说明：可乐和薯片的关联规则的支持度是20%，购买可乐的支持度是3%，购买薯片的支持度是5%，则提升度是1.33>1, A-B规则对于商品B有提升效果。

8、要计算支持度(Support)、置信度(Confidence)与提升度(Lift)，首先需要知道Freq(A∩B)、Freq(A)、Freq(B)和总笔数数值，那么需要对商品进行排列组合。

9、下面我们就来看看在BDP中如何实现Apriori算法，实现关联规则分析~商品两两组合的初步想法是通过量化的思想对商品进行编码，比方说可按照增序（从1开始），算出每笔销售单最大值，求出两者差苒锃巳伢值得到一组数组，通过数组行转列形式实现2种商品两两组合。

11、下图主要使用的关键函数是FILL_DATES（[日期1],[日期2]），Explode（）。组合效果初显现，只是缺另一个商品名，然后把[下一日期]字段通过LEFT JOIN 关联出商品B的名称。

12、操作2：【工作表】-【创建合表】-【多表关联】 用于创建表关联 包括（LEFT/INNER/ FULL JOIN）。从下图可以看到A商品和B商品两两组合逻辑已完成，在当前表基础上我们已经可以去做连带分析内容。

15、制作三个图表进行购物篮分析！下图反映季度连带最高频次商品，高联带商品意味着对客户吸引力大商品粘性强，同时也可以查看不同分公司的TOP20连带情况。根据结果我们可以合理设计促销策略，例如买2送1等。

17、通过单价，支持度，置信度，提升度综合指标来看待商品组合，发现高价值关联商品，有助于提升客单价，同时也需要考虑提升度，提升度小于1，提升效果有限，可以把精力花在提升度大于1的商品组合。

18、除了购物篮分析这个典型应用，关联规则分析还在金融行业、搜索引擎、智能推荐等领域大有所为，如银行客户交叉销售分析、搜索词推荐或者识别异常、基于兴趣的实时新闻推荐等。