三種購物籃分析指標介紹

[slugbaby]

關聯分析—Apriori算法
上次講到了購物籃分析的方法，這次要介紹跟購物籃分析關聯很大的Apriori演算法的三個指標:
-Support 支持度
-Confidence 可靠度
-Lift 提升度

支持度Support
意旨在所有項集發生的狀況下，同時發生X、Y 項集的機率。
Support(A and B) = (A and B) / N (A和 B 同時出現的次數 / 所有交易數)

一般以設定最小支持門檻值 (min-support) =0.005來篩選。

可信度 Confidence
在 X 項集發生的狀況下，同時發生 XY項集的機率。發生頻次越高表示該關聯性規則越具備高度關係。
P (B|A) = c (A-> B) = (A and B) / A (買了 A 也買 B 的可能性)

一般以設定最小信賴門檻值 (min-confidence) =0.24來篩選。

提升度 Lift
A品項被購買時，B被購買所增加機率的倍數
公式 :Confidence(A->B) / Support(B)

EX: 隨機抽出100筆，有55個人買了A、有70個人買了B，其中25個人兩者都買:
Support(B)=70/100=0.70
Confidence (A -> B)=25/55＝0.454
Lift (A,B)= 0.454／0.70 =0.649

我們的目標 : 增益值 >1
Confidence(A->B)/ Support(B)> 1 =>「正相關」
Confidence(A->B)/ Support(B)= 1 =>「獨立事件」
Confidence(A->B)/ Support(B)< 1 =>「負相關」

[innn1212]

除了購物籃分析，Apriori演算法也被用在淘寶推薦相關書籍、推薦醫療器具組合與百度文庫推薦相關文件等等，使用的範圍相當廣，是很受歡迎也很有趣的分析方法。

[StevenWanglolz]

感覺版主可以參閱一下先前的文章，裡面有介紹markdown語法，或是直接google也會有基礎的教學