将 InfoSphere Warehouse 数据挖掘与 IBM Cognos 报告集成，第 3 部分 : 使用市场购物篮分析的例子从 Cognos 动态调用挖掘

核心提示： 让我们看一个简单的例子，下表展示了商品的交易，将 InfoSphere Warehouse 数据挖掘与 IBM Cognos 报告集成，第 3 部分 : 使用市场购物篮分析的例子从 Cognos 动态调用挖掘(2)，每次交易都包含顾客在一次到店期间所购买的所有商品， 图 1. 示例交易 可以看

让我们看一个简单的例子。下表展示了商品的交易。每次交易都包含顾客在一次到店期间所购买的所有商品。

图 1. 示例交易

可以看出，pc 的购买次数很频繁。而 pc 和显示器的组合则占到了所有交易的 20%。另外，在购买了 pc 和显示器的情况中，有 50% 还会购买鼠标。如果我们采用如下规则，即 [PC, Monitor]->Mouse，其中 [Pc,Monitor] 是主体，而 Mouse 则是头或目标，那么同时涉及主体和头的交易数量除以所有交易的数量得到的就是 support (20%)。 这种测量方法能告诉我们该规则在数据内发生的频率。但它并不能告所我们该规则的准确度。confidence 描述了规则的主体和头在交易内同时发生次数的百分比。这能给出有关规则准确度的信息。关联规则挖掘要求用户要能说明最少 support 和 confidence。算法还能准确表述出满足这些标准的项目和规则的组合。

关联规则挖掘的应用场景很多。其中最为突出的就是我们已经提到过的零售业。关联规则可用来进行超级市场内的商品摆放，以便经常同时购买的产品的位置能够彼此靠近。更为重要的是，关联规则还可用在电子商务中，通过向用户建议他们可能感兴趣的其他商品来进行潜在的交叉销售。另一个应用的领域是健康医疗，利用关联规则找出经常同时发生的健康问题，以便诊断出患一种疾病的患者还能进行额外的检查，从而判断该患者是否存在其他与此疾病经常连带发生的身体问题。其他的应用领域还包括侵入检测、Web 日志分析、数据库访问模式等等。