啤酒和尿布放一起会有一种神奇的反应？关联分析给你答案

啤酒和尿布之间究竟有着怎样的关系呢？

关联分析是数据挖掘的核心技术之一，其中最经典的Apriori算法在关联规则分析领域具有很大的影响力。

该技术广泛应用于各个领域，如我们所熟之的亚马逊，淘宝商城等，在浏览商品时都会显示“购买此商品的顾客同时购买”等提示语，这些都是我们日常生活中接触最多的关联分析应用实例。

下面我们以一组具体的数据来对关联分析中的“三度”进行说明

假设有10000个消费者购买了商品，其中购买尿布的有1000个，购买啤酒的有2000个，购买面包的有500个，且同时购买啤酒与尿布的有800个，同时购买尿布和面包的有100个。

支持度

支持度是指在所有项集中{X,Y}出现的可能性，即同时含有X,Y的概率：

Support(X-->Y)=P(X,Y)

筛选条件为：Support(Z)>=minsup，项集Z被称为频繁项集

在上述的具体数据中，当我们假设最小阈值为5%，由于{尿布 啤酒}的支持度为800/10000=8%，而{尿布 面包}的支持度为100/10000=1%，则 {尿布 啤酒}由于满足了基本的数量要求，成为频繁项集，且规则尿布啤酒，啤酒尿布同时被保留，而{尿布 面包}所对应的两条规则都被排除。

置信度

置信度表述再关联规则的先决条件X发生的条件下，关联结果Y发生的概率：

Confidence(X-->Y)=P(Y|X)=P(X,Y)/P(X)

选取条件为：Confidence(X-->Y)>=mincon

当设定置信度的最小阈值为70%时，尿布啤酒的置信度为800/1000=80%，而规则啤酒尿布的置信度则为800/2000=40%，被剔除。至此，我们根据需要筛选出了一条强关联规则——尿布啤酒。

提升度

Lift(X-->Y)=P(Y|X)/P(Y)= Confidence(X-->Y)/P(Y)

该指标与置信度同样用于衡量规则的可靠性，可以看作是置信度的一种互补指标。提升度可以弥补置信度的缺陷，当life值为1时表示X与Y相互独立，X对Y出现的可能性没有提升作用，而其值越大，则表明X对Y的提升程度越大，即关联性越强。

经调查发现：

这种显现大多出现在年轻父亲的身上，其背后的原因在于，在美国有婴儿的家庭中，一般是母亲在家照看孩子，父亲被派去超市购买尿布，而年轻的父亲在购买尿布的同时，往往会顺便购买自己爱喝的啤酒，因此出现了啤酒配尿布的奇异现象。此后，沃尔玛便开始在卖场尝试将其摆放在相同的区域，以此带来了客观的营业额增收，这即是“啤酒和尿布的故事”。