20、市场篮子分析与热点分析：数据挖掘的实用技术

市场篮子分析与热点分析：数据挖掘的实用技术

1. 市场篮子分析中的关联规则

关联规则学习是一种机器学习模型，旨在挖掘交易数据中描述零售商客户购物习惯的隐藏模式（即关系）。例如，对于频繁项集 {牛奶, 面包}，可以形成两条关联规则：牛奶→面包和面包→牛奶。在关联规则中，第一个项集称为前件，第二个项集称为后件。

关联规则的建立基于支持度和置信度。支持度用于识别哪些项集是频繁出现的，而置信度衡量特定规则的真实性频率，通常被视为衡量规则是否值得关注的指标。建立关联规则是一个两步过程：首先识别频繁数据集，然后评估候选关联规则的置信度，如果置信度值超过某个任意阈值，就得到一个关联规则。

关联规则学习的一个主要问题是发现虚假关联。由于潜在规则数量巨大，虚假关联很可能出现。虚假关联是指在数据中以惊人的规律性出现，但实际上完全是偶然发生的关联。例如，假设有 100 个候选规则，在 0.05 的显著性水平下进行独立性统计检验，仍有 5% 的概率会发现实际上不存在的关联。当候选规则数量扩展到数百万或数十亿时，5% 的比例将导致大量的虚假关联。不过，有一些技术可以解决这个问题，但它们并不总是被纳入常用的关联规则库中。

1.1 推导关联规则的练习

下面通过一个练习来推导在线零售数据集的关联规则并探索相关指标。确保在与之前练习相同的笔记本中完成此练习（即使用 5000 项子集的笔记本，而不是活动中的完整数据集）。
1. 使用 mlxtend 库为在线零售数据集推导关联规则。使用置信度作为衡量指标，将最小阈值设置为 0.6，并返回所有指标，而不仅仅是支持度。计算返回的关联规则数量：