就拿刚上线的“蚂蚁”来说吧,打开《引爆流行》的页面,稍微滚动两下鼠标,你就可以看到这个了——“喜欢此宝贝的会员还喜欢”。豆瓣上也有类似的形式,还看《引爆流行》,豆瓣的是——“喜欢引爆流行的人也喜欢”。是不是很像?但别被形式迷惑了,这两个用的是完全不同的技术实现。豆瓣的之前我说过了,他是 Item-Based 方法;蚂蚁的这个应该就是关联规则方法了。当然我是猜的,不过也不是乱猜。有兴趣的可以刷刷上面那两个《引爆流行》的页面,看一下两个推荐区域的内容会有什么不同。
关联规则起源于数据挖掘领域,人们用它来发现大量数据中项集之间(有趣/有用)的关联。它本身是数据挖掘领域中一个重要的研究课题,近些年来更是由于被业界广泛应用而倍受重视。Rakesh Agrawal 是关联规则领域的大牛,他于 1993 年发表的一篇 paper,《Mining Association Rules between Sets of Items in Large Databases》,是被引用最多的一篇大作。不过让 google fans 们失望的是,他目前就职于 microsoft 的搜索实验室!^_^
关联规则的最典型例子就是购物篮分析。在一家超市里,有一个有趣的现象:尿布和啤酒赫然摆在一起出售。但是这个奇怪的举措却使尿布和啤酒的销量双双增加了。这不是一个笑话,而是发生在美国沃尔玛连锁店超市的真实案例,并一直为商家所津津乐道。原来,美国的妇女们经常会嘱咐她们的丈夫下班以后要为孩子买尿布。而丈夫在买完尿布之后又要顺手买回自己爱喝的啤酒,因此啤酒和尿布在一起购买的机会还是很多的。这个故事听起来是不是很酷?没错,这就是技术的力量!
但是,和任何其他经典的故事一样——这事儿听起来带劲儿,做起来很难!真正做过关联规则挖掘的人,一定都有这样的体会:想从浩瀚的记录集里,挖掘一条带劲儿的关联规则出来,简直太难了。(什么,你问有多难?请参照朱广沪~~~)
对于挖掘得到的关联规则,都会制定一些指标来衡量它们的有效程度,最经典的包括,支持度和置信度。简单来讲,
- 支持度是指,商品A、商品B在全部销售订单中所占的比例。
- 置信度是指,购买商品A并且同时购买了商品B的订单,在所有包含商品A的订单中所占的比例。
当然,这里的商品和订单是个泛化的概念,具体指代是的什么,就得具体问题具体分析了。
相关推荐
人工智能和机器学习之关联规则学习算法:R-Apriori算法:关联规则在推荐系统中的应用.docx
人工智能和机器学习之关联规则学习算法:Multi-Level Association:关联规则在推荐系统中的应用.docx
基于关联规则的推荐系统的目标是在特定情境下提高推荐的有效性。比如,当用户将A(例如尿布)添加到购物车时,推荐系统将B(例如啤酒)作为附加商品推荐给用户,这样往往能比单纯推荐B获得更好的效果。 #### 二、...
关联规则学习在零售业、市场篮子分析和推荐系统等领域具有广泛的应用。通过分析顾客的购物篮,企业可以发现哪些商品经常一起被购买,从而帮助企业制定更有效的营销策略和提高销售业绩。 关联规则学习的几个基本概念...
关联规则学习广泛应用于零售业、市场篮子分析、推荐系统等多个领域,例如在零售业中,通过关联规则学习可以发现哪些商品经常一起被购买,从而优化商品布局或制定更精准的推荐策略。关联规则学习主要关注三个核心指标...
这种技术在市场篮子分析、推荐系统、生物信息学等多个领域发挥着至关重要的作用。传统的关联规则学习主要基于事务数据,它通过分析不同商品在同一交易中的出现频率,来发现顾客购买行为的潜在模式,如“购买尿布的...
关联规则挖掘算法是数据挖掘领域的重要技术之一,它主要用于发现不同项之间存在的有趣关系,通常用于市场篮子分析、库存管理、推荐系统等多个领域。在推荐系统的背景下,关联规则挖掘算法能够揭示用户购买或选择行为...
在零售业、市场篮子分析和推荐系统等领域中,关联规则学习的应用十分广泛。关联规则通常以“如果 A 发生,则 B 很可能发生”的形式出现,其中 A 和 B 是数据集中的不同项。在零售业中,关联规则学习能够分析顾客的...
关联规则学习广泛应用于市场篮子分析、推荐系统、生物信息学等多个领域,是揭示数据中潜在规律的有力工具。 FP-Growth算法,即Frequent Pattern Growth算法,是在2000年由Jiawei Han等人提出的,旨在克服Apriori...
人工智能和机器学习之关联规则学习算法:Graph-Based Association:图关联规则在推荐系统中的应用.docx
10. 关联规则挖掘的应用:关联规则挖掘有广泛的应用,如推荐系统、市场营销、客户关系管理等。 11. 数据挖掘:数据挖掘是指从大量数据中发现有价值的知识或模式的过程。关联规则挖掘是数据挖掘的一种重要技术。 12...
5. 智能推荐:结合关联规则,我们可以构建一个简单的推荐系统。当用户购买了某个商品时,系统可以基于已发现的关联规则推荐其他可能感兴趣的商品。 6. 示例和测试:压缩包可能还包括一些示例数据和测试用例,以验证...
《毕业设计:关联规则与决策树组合算法在学生成绩分析中的研究》 在这个毕业设计项目中,我们探讨了如何运用关联规则和决策树这两种数据分析技术来深入理解并预测学生的学习成绩。这两种算法在数据挖掘领域有着广泛...
关联规则学习是一种在数据挖掘中发现变量间有趣关系的方法,尤其适用于市场篮子分析、推荐系统和生物信息学等领域。关联规则的核心是发现大量数据中物品间的关联或共现模式,这些模式可以揭示市场趋势、用户偏好或...
在这个“数据挖掘关联规则分析数据集”中,我们有两个合成的数据集,它们旨在帮助研究者和分析师探索不同项目之间的潜在关联,从而可能为业务决策、市场篮子分析或商品推荐系统提供依据。 关联规则通常由两部分组成...
关联规则挖掘是数据挖掘领域中的一个关键方法,用于发现大量数据集中的有趣关系。Apriori算法是关联规则挖掘中最经典、最广泛使用的算法之一,由Rakesh Agrawal和Ramakrishnan Srikant在1994年提出。这个算法主要...
关联规则是一种在大型数据库中发现有价值模式的统计方法,它主要应用于市场篮子分析、推荐系统和模式识别等领域。在C++中实现关联规则通常涉及数据预处理、Apriori算法或FP-Growth算法等核心步骤。下面我们将深入...
人工智能和机器学习之关联规则学习算法:QuantitativeAssociation:8.关联规则在推荐系统中的应用.docx