（原創）大數據時代：基於微軟案例數據庫數據挖掘知識點總結（Microsoft 關聯規則分析算法）

前言

本篇繼續咱們的微軟挖掘算法系列總結，前幾篇咱們分別介紹了：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，後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，不一樣的算法應用的場景也是不一樣的，每篇文章都有它本身的應用場景介紹，有興趣的同窗能夠參閱。本篇咱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繫，並且聯繫是廣泛的，此篇的Microsoft關聯規則算法就是用來挖掘關聯關係的典型算法，閒言少敘，咱們直接進入正題。

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繫，它典型的應用就是購物籃分析，經過關聯規則分析幫助咱們發現交易數據庫中不一樣的商品（項）之間的聯繫，找到顧客購買行爲模式，如購買某一個商品對其它商品的影響。進而經過挖掘結果應用於咱們的超市貨品擺放、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。

比較典型的爲你們所熟知的就是：啤酒和尿布的故事

其實不少電子商務網站中在咱們瀏覽相關產品的時候，它的旁邊都會有相關產品推薦，固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於大量的數據事實，經過數據層面的挖掘來告訴你某些產品項存在關聯，有可能這種關聯關係有多是自身的，好比：牙刷和牙膏、筷子和碗...有些自己就沒有關聯是經過外界因素所造成的關係，經典的就是：啤酒和尿布，前一種關係經過常識咱們有時候能夠獲取，但後一種關係經過經驗就不易得到，而咱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），這裏咱們應用到兩張表：vAssocSeqLineItems 表和 vAssocSeqOrders 表，這兩張表典型的「一對多」的關聯關係，vAssocSeqOrders爲訂單表，vAssocSeqLineItems 表爲訂單明細表，二者經過OrderNumber關聯，稍後的步驟咱們會詳細的分析這兩張表內容

（2）VS200八、SQL Server、 Analysis Services

操做步驟

（1）咱們這裏仍是利用上一期的解決方案，而後數據源，而後數據源視圖，很簡單的步驟，不明白的能夠看咱們前面幾篇文章，而後將這兩張表的主外鍵關聯上，咱們來看圖：

很基礎的東西，這裏不作過多的解釋，Orders爲主表，Items爲明細表，經過CustomerKey主鍵進行關聯，下面咱們瀏覽下這兩張表裏面的數據：

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

 這裏咱們新建這個數據的挖掘模型，很簡單的下一步、下一步就行，有不明白的能夠參照我之前的內容或者私信我，咱們來看幾個關鍵的步驟：

這裏咱們選擇Microsoft關聯規則算法，而後下一步：

 

這裏咱們標示好事例表和嵌套表，下一步咱們指定定型數據

這這裏面咱們配置好鍵、和輸入、輸出預測列，而後起個名字：relevance

 至此，咱們的Microsoft關聯規則分析算法已經初步創建好了，下面一步咱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，咱們來看：

Support:定義規則被視爲有效前必須存在的事例百分比。也就是說做爲關聯規則篩選的事例可能性，好比設置成10%，也就是說在只要在全部事例中所佔比爲10%的時候才能進行挖掘。

Probability:定義關聯被視爲有效前必須存在的可能性。該參數是做爲結果篩選的一個預約參數，好比設置成10%，也就是說在預測結果中機率產生爲10%以上的結果值才被展現。

咱們將該模型的兩個參數設置爲：

MINIMUM_PROBABILITY = 0.2

MINIMUM_SUPPORT = 0.01

咱們部署該模型，而後運行，咱們來查看結果。

結果分析

部署完程序以後，咱們經過「挖掘模型查看器」進行查看分析，不廢話，咱們直接看圖：

從上面的截圖中咱們能夠看到，Microsoft關聯規則算法有三個面板來展現結果：規則、項集、依賴關係網絡

下面咱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几率值，也就是上面咱們新建模型設置的參數，第二個是是篩選規則，經過它咱們找到相應的產品方便咱們查看，還有一個重要性的參數，一樣的對於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，第一列機率的值就是產品以前會產生關聯的機率，按照機率從大到小排序，第二列爲可能性，該度量規則的有用性。該值越大則意味着規則越有用，設置該規則的目的是避免只使用機率可能發生誤導，好比有時候超市裏舉行促銷活動會每一個人都免費給一間物品，若是僅僅根據機率去推測，這件物品的機率將是1，可是這個規則是不許確的，由於它沒有和其它商品發生任何關聯，也就是說該值是無心義的，因此纔出現了「重要性」列。

第三列即爲咱們的挖掘出來的結果項，前面爲已有的產品項，‘—>’後面的即爲推測的產品項，咱們舉個例子，好比：

通過排序能夠看到，上圖中的該條規則項爲關聯規則最強的一種組合：前面的爲：山地自行車（Mountain-200）、山地自行車內胎（Mountain Tire Tube）而後關聯關係最強的爲：自行車輪胎(HL Mountain Tire)

嗯，有道理的很呀，有了山地自行車了，而後一樣也具有山地自行車內胎，剩下的就是須要自行車輪胎了。

其它的也是一樣的分析方法，這裏咱們就不分析了，有興趣的能夠本身分析，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，確定得買個自行車水壺框了......

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

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...我能夠明確的告訴你，丫的..這個名字叫Water Bottle(水壺...嘿嘿原諒個人E文能力)的利器最相關的就是水壺框（Bottle Cage）了...

超市裏東西怎麼擺放？ 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？......

下面咱們來看第二個面板能告訴咱們什麼，咱們打開「項集」面板：

這個面板也簡單的很，上面有幾個篩選框設置咱們的最低支持數，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爲咱們的數據集合中「支持」的事例集合個數、而後「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...上面咱們分析的水壺（Water Bottle）居然排在了第一行，該行中的項集明細爲：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，看來這廝看來頗有分析價值，咱們後續接着分析，嘿嘿

咱們進入第三個面板「依賴關係網絡」，咱們來看：

這幅圖已經很熟悉了吧，前幾篇文章中均有介紹，分析各類產品之間的關聯關係的強弱，拖動右側的滑動條而後進行分析

嘿嘿...我當心翼翼的拖動了這個滑動條...試圖找找上面咱們分析的哪款利器（Water Bottle）:

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

其它的商品也利用這種規則進行分析，有興趣的能夠本身分析。

推測結果導出

咱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，咱們進入「挖掘模型預測」：

在下面的網格中設置咱們的挖掘篩選規則，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。而後設置該參數爲[Association].[v Assoc Seq Line Items],3

咱們點擊運行，直接來查看結果：

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

固然有時候我須要只查看某一種商品，不關係其它的產品有什麼關聯關係，咱們來作單獨查詢，咱們在菜單中的「挖掘模型」，而後選擇「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

咱們點擊運行，來查看結果：

能夠看到這裏咱們只是篩選出了該商品的關聯關係結果集，固然這裏咱們能夠顯示出該產品之間的關聯的關係值，這裏咱們直接寫語句：

點擊運行，咱們來看結果：

這裏咱們能看到，商品、支持的事例數，可能行、機率等明細值。

對於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，而後利用它本身的挖掘模型進行推測，推測出這個顧客將下一個買什麼產品，好比上面的例子中，若是某個顧客已經買了山地自行車、自行車內胎，那麼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，經過該方法預測已經能推測出顧客下一步的購買意向！...

若是將該挖掘模型利用到電子商務網站...那麼他們推薦的商品將更準確，一樣所獲得的精準銷售也更到位...結果你懂的！

咱們來看步驟：

咱們來選擇應用的事例表：

咱們來選擇二者的關聯關係，能夠右鍵直接編輯：

而後編輯篩選函數，直接看圖：

點擊查看結果：

能夠看到，這個顧客編號爲：18239的他將買優先買三個產品：Water Bottle、Road-750、Touring-1000，後面還列出他的機率和可能性...

嘿嘿..咱們打開數據庫來看看這個顧客的狀況：

.....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...這個顧客應該立刻急須要買一個叫作Water Bottle的神器...用來喝水

而後，咱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須要什麼商品...

他們最可能買的商品有哪些....，剩下的工做你懂得！

結語

本篇文章到此結束了...結語就是咱們後面還會繼續分析其它的算法，有興趣的童鞋能夠提早關注。上面其實還有幾部分須要補充，就是準確性驗證和篩選條件挖掘，好比我想知道某些特定客戶羣體他們的購買的產品關聯規則等等吧，後續文章繼續分析這些問題。

文章的最後咱們給出前幾篇算法的文章鏈接：

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

 

若是您看了本篇博客,以爲對您有所收穫，請不要吝嗇您的「推薦」。