全文連結：http://tecdat.cn/?p=32092
原文出處：拓端數據部落公眾號
我們一般把一件事情發生，對另一件事情也會產生影響的關係叫做關聯。而關聯分析就是在大量數據中發現項集之間有趣的關聯和相關聯繫（形如「由於某些事件的發生而引起另外一些事件的發生」）。 我們的生活中有許多關聯，一個典型例子是購物籃分析。該過程通過發現顧客放入其購物籃中的不同商品之間的聯繫，分析顧客的購買習慣。通過了解哪些商品頻繁地被顧客同時購買，這種關聯的發現可以幫助零售商制定營銷策略。其他的應用還包括價目表設計、商品促銷、商品的排放和基於購買模式的顧客劃分。
本文運用Apriori算法幫助客戶對汽車性能相關數據進行數據挖掘，探索變量間的關聯性。為汽車廠商分類汽車性能提供參考。
汽車性能數據
這個數據模型用於評估車的性能方面的好壞。該數據主要包含一些車的技術性和價格等變量。
數據變量介紹
數據描述2種類型的列車。變量包括：
- 汽車可接受的價格
- 買入價格
- 維護價格
- 技術特點
- 舒適度
- 車門數
- 攜帶能力
- 行李箱
- 汽車的安全性
所有的變量為分類變量，值為好，一般，較差。
最後的分類屬性為車的總體分類：分為4個類型：好，較好，一般和較差。
數據分析框架
本文使用關聯規則挖掘apriori算法來發現車的性能價格等屬性的常見模式和規則：
1 數據預處理：包括讀取數據，清理缺失數據，將數據轉化成關聯挖掘數據類型。
2 查看頻繁項集，發現合適的支持度和置信度閾值用於後續的關聯規則挖掘。
3 查看關聯規則挖掘結果，發現有價值的規則。
具體數據分析過程
讀取數據
表原始數據
查看數據，V1-V7為相應的屬性。下面的值分別代表車中設備的數量和性能的好壞。
首先以最小支持度為0.05來挖掘出叫頻繁出現的規則：
表 頻繁規則
可以發現，V4，V7，V5這些屬性在數據集中是經常出現的變量。同時可以看到他們的屬性值。
於是我們找到最頻繁出現的前十個集合（頻繁項集）：
表 前十個頻繁項集
可以看到V7也就是價格是不可接受的車達到了70%左右。其次是V7為unacc和V6為low的車輛集合，也就是價格難以接受和安全性能低的車輛。
進行 Apriori 關聯規則 模型的擬合
通過上面的判斷，我們將支持度設置為0.1也就是10-%左右，用於篩選出較頻繁的規則。
於是進行關聯規則挖掘：
表 規則概要
通過查看模型概要，我們可以發現得到了20條規則，其中規則長度1的有1條，2的有8條，3的有11條。
查看規則：
表 規則數據
以及規則的支持度置信度和提高度。
表 規則質量
可以看到每條規則的質量。比如前6條規則，我們可以看到當車的購入價格很高時，大部分消費者認為不能接受這部車。或者當車的維護費用很高時，購買者也不能接受。
或者當車是兩個門的時候，一般該車是跑車或者設計特殊，這是人們也會不能接受購買這部車，也許因為它的價格因素。
圖 關聯規則模型結果
從圓圈的大小，我們可以判斷規則的支持度大小，從圓圈的顏色深淺我們可以判斷該規則的置信度大小。
圖 關聯規則結果
從上面結果，我們可以看到20條規則的可視化結果，圓圈越大代表該規則的支持度越高，通過箭頭我們可以判斷其規則的前後推斷關係。
於是我們找到置信度和支持度最高的規則，作為最有價值的規則。
表 關聯規則有價值的結果
V6為車的安全性，V4為車的裝載人數，如果安全性差並且只能裝載2個人，消費者不會購買這輛車。因此車的安全性是一個是否購買車的重要的影響因素。
數據分析結論
從分析的結果可以看到，關聯規則的模型效果在該數據集上效果較好，同時得到了一些有價值的規則，比如人們在購買車輛時主要會考慮車的價格因素，以及他的維護費用，這些因素會影響人們是否購買車輛，其中，人們也十分關心車輛的安全性能和裝載性能，當車性能不安全的話，人們很難接受，甚至該因素的影響會超過價格的因素。通過這些規則我們可以對車輛提出一些營銷策略。
最受歡迎的見解
1.Python中的Apriori關聯算法-市場購物籃分析
2.R語言繪製生存曲線估計|生存分析|如何R作生存曲線圖
3.用關聯規則數據挖掘探索藥物配伍中的規律
4.通過Python中的Apriori算法進行關聯規則挖掘
5.用關聯規則數據挖掘探索藥物配伍中的規律
6.採用SPSS Modeler的Web複雜網絡對所有腧穴進行分析
7.R語言如何在生存分析與COX回歸中計算IDI，NRI指標
8.R語言如何找到患者數據中具有差異的指標？（PLS—DA分析）
9.R語言中的生存分析Survival analysis晚期肺癌患者4例