机器学习中的许多数据挖掘"数据分析师" 方法主要是针对数值型数据的,算法也很偏向数理方法(例如支持向量机)。而分类数据(非数值型数据),其本质不过是简单的计数,针对这类数据的一个简单实 用的方法就是关联规则挖掘法,谷歌的MapReduce也为这类算法提供了很好的软件构架。下面我们就来讨论一下应用关联规则法的有趣实例。
关 联规则法的核心在于研究一些经常相伴发生的事件之间的关系,特别是当他们同时发生的频率远远超出预期时。它最早被用于超市销售,因此又被称为市场购物篮分 析法。举一个数据挖掘教科书中的关于啤酒和尿布关联性的经典案例-去超市买啤酒的男人同时也经常买尿布。假如超市销售量有如下数据:
总销售量:600000
尿布销售量:7500(1.25%)
啤酒销售量:60000(10%)
尿布和啤酒共同销售量:6000(1%)
如 果啤酒和尿布之间没有关联的话(即他们之间是统计上独立的),那么按照啤酒在总销售量中的比例来计算,我们预计只有10%的尿布购买者也会买啤酒。但实际 情况却是80%(=6000/7500)的尿布购买者都购买了啤酒,是我们预计的8倍。这个值在关联规则法中被称作电梯值(Lift),即事件X和Y实际 同时发生的频率和预期同时发生的频率之间的比例(Lift=P(x,y)/[P(x)P(y)])。如果事件X和Y相互独立,那么 P(x,y)=P(x)P(y),相应的电梯值即为1。而如果X和Y是互斥事件,则会产生小于1 的电梯值。在这个案例中,关联规则的结论就是尿布购买者也会购买啤酒的电梯值是8。
以 上是一个假设的案例,如此高的电梯值在实际生活中非常罕见,但也绝非不可能。2004年佛罗里达州经历了一系列飓风。第一场飓风之后,沃尔玛利用了他们大 量的销售数据来研究顾客在飓风来临之前会买什么。他们发现一个商品的销售量是平时的7倍,这个电梯值在现实生活中非常高的。这个商品既不是瓶装水,也不是 电池,啤酒,手电筒,发电机等等,而是草莓果酱吐司饼干!吐司饼干之所以在飓风来临之前销量大增也许是因为它不需要冰箱保存,不需要烹饪,而且独立包装, 保质期很长,同时本来大家也都很喜欢它。
尽管这个发现有些出乎意料,但是沃尔玛利用关联规则的分析补货了大量的草莓吐司饼干,创造了一个双赢的结果-沃尔玛大大增加了销量,顾客买到了满意的商品。 还有一个大型电子商品零售店也成功地利用关联规则法增加了商品销量。商家"数据分析师"根据零售数据,发现许多购买播放器和录影机的顾客会在3-4个月后购买摄影机。于是利用这个关系,商家会给所有购买播放器或者录影机的顾客几个月后邮寄摄影机折扣券,由此来吸引更多顾客购买摄影机。
除 了商业营销,关联规则法在科学研究上也有很多应用。乔治梅森大学的一位地质信息教授利用关联规则研究了飓风的内部风速,风眼气压,风切变,降雨量,方向和 速度等等因素和飓风最终等级之间的关系,最后成功建立了新的模型可以更精确地预测飓风的等级。还有一位在美国国家航天中心实习的高中生利用关联规则法研究 了太阳风暴之后太阳高能粒子到达地球的时间关系。他利用卫星收集到的太阳风暴之后太阳和地球磁场的一些特征因素数据,探究了两者之间关系随时间的变化,即 在太阳风暴一小时,两小时,三小时,四小时后,地球磁场的活跃度变化。结果发现在太阳风暴后2-3小时左右地球磁场最活跃,即太阳高能粒子到达地球的时 间。
以 上这些例子向我们展示了在做大数据挖掘时两个重要方法: 研究非数值型数据时,我们在挖掘因果关系之前,可关注事件之间的关联性; 如果数据在随时间变化,注意事件之间的关联是否会在某个时间点达到最强。现今越来越多的数据被大量收集,科技平台也越来越发达,许多事物之间意想不到的关 联正等待我们发现。那么就让我们从计数开始吧!数据分析师培训
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
持证人简介:贺渲雯 ,CDA 数据分析师一级持证人,互联网行业数据分析师 今天我将为大家带来一个关于用户私域用户质量数据分析 ...
2025-04-18一、CDA持证人介绍 在数字化浪潮席卷商业领域的当下,数据分析已成为企业发展的关键驱动力。为助力大家深入了解数据分析在电商行 ...
2025-04-17CDA持证人简介:居瑜 ,CDA一级持证人,国企财务经理,13年财务管理运营经验,在数据分析实践方面积累了丰富的行业经验。 一、 ...
2025-04-16持证人简介: CDA持证人刘凌峰,CDA L1持证人,微软认证讲师(MCT)金山办公最有价值专家(KVP),工信部高级项目管理师,拥有 ...
2025-04-15持证人简介:CDA持证人黄葛英,ICF国际教练联盟认证教练,前字节跳动销售主管,拥有丰富的行业经验。在实际生活中,我们可能会 ...
2025-04-14在 Python 编程学习与实践中,Anaconda 是一款极为重要的工具。它作为一个开源的 Python 发行版本,集成了众多常用的科学计算库 ...
2025-04-14随着大数据时代的深入发展,数据运营成为企业不可或缺的岗位之一。这个职位的核心是通过收集、整理和分析数据,帮助企业做出科 ...
2025-04-11持证人简介:CDA持证人黄葛英,ICF国际教练联盟认证教练,前字节跳动销售主管,拥有丰富的行业经验。 本次分享我将以教培行业为 ...
2025-04-11近日《2025中国城市长租市场发展蓝皮书》(下称《蓝皮书》)正式发布。《蓝皮书》指出,当前我国城市住房正经历从“增量扩张”向 ...
2025-04-10在数字化时代的浪潮中,数据已经成为企业决策和运营的核心。每一位客户,每一次交易,都承载着丰富的信息和价值。 如何在海量客 ...
2025-04-09数据是数字化的基础。随着工业4.0的推进,企业生产运作过程中的在线数据变得更加丰富;而互联网、新零售等C端应用的丰富多彩,产 ...
2025-04-094月7日,美国关税政策对全球金融市场的冲击仍在肆虐,周一亚市早盘,美股股指、原油期货、加密货币、贵金属等资产齐齐重挫,市场 ...
2025-04-08背景 3月26日,科技圈迎来一则重磅消息,苹果公司宣布向浙江大学捐赠 3000 万元人民币,用于支持编程教育。 这一举措并非偶然, ...
2025-04-07在当今数据驱动的时代,数据分析能力备受青睐,数据分析能力频繁出现在岗位需求的描述中,不分岗位的任职要求中,会特意标出“熟 ...
2025-04-03在当今数字化时代,数据分析师的重要性与日俱增。但许多人在踏上这条职业道路时,往往充满疑惑: 如何成为一名数据分析师?成为 ...
2025-04-02最近我发现一个绝招,用DeepSeek AI处理Excel数据简直太爽了!处理速度嘎嘎快! 平常一整天的表格处理工作,现在只要三步就能搞 ...
2025-04-01你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27