数据挖掘系列笔记（1）——亲和性分析

亲和性分析是根据样本个体（物体）之间的相似度，确定它们关系的亲疏。在数据挖掘中有大量的应用场景，比如顾客更愿意同时购买哪些物品。

亲和性有多种测量方法。例如，统计两件商品一起出售的频率，或者统计顾客购买了商品1 后再买商品2的比率。最常用的用来进行亲和性分析的两个重要概念是：支持度（support）和置信度（confidence）。举个例子：我们说在全班同学的样本中间，地理90分以上的同学历史也考90以上，那么他的支持度就是所有两门90分的人在样本中的占比，而置信度就是在地理90分的样本中，历史90分的人的占比。

接下来是一个利用计算支持度和置信度实现规则判断的一个例子（来自书籍《Python数据挖掘入门与实践》）：商品推荐，任务目标，发现超市顾客对于商品购买的连带情况，找出更愿意一起购买的货物，然后重新布置货架。为了简化代码，方便讲解，我们只考虑一次购买两种商品的情况。例如，人们去超市既买了 面包，又买了牛奶。作为数据挖据入门性质的例子，我们希望得到下面这样的规则：如果一个人买了商品X，那么他很有可能购买商品Y。

数据的矩阵话计算需要库：NumPy，NumPy是Python中处理二位数据最常用的依赖方法，后边还有更多的使用。可以吧NumPy理解为一个矩阵控制器的对象，导入之后就直接创建了这个manager的Object

import numpy as np 
dataset_filename = "affinity_dataset.txt" 
X = np.loadtxt(dataset_filename) 

这样就得到了相关性分析数据库的数组实体。（数组来自随书材料，是[N:5]的二维数组，数据为0或者1，每行表示每个顾客当次购物是否购买5类产品）。因此我们挖掘目标就是，找到支持度性和置信度最高的顾客愿意一起购买的物品的规则。