我们一般把一件事情发生，对另一件事情也会产生影响的关系叫做关联。
而关联分析就是在大量数据中发现项集之间有趣的关联和相关联系（形如“由于某些事件的发生而引起另外一些事件的发生”）。
我们的生活中有许多关联，一个典型例子是购物篮分析。该过程通过发现顾客放入其购物篮中的不同商品之间的联系，分析顾客的购买习惯。
可下载资源
通过了解哪些商品频繁地被顾客同时购买，这种关联的发现可以帮助零售商制定营销策略。
其他的应用还包括价目表设计、商品促销、商品的排放和基于购买模式的顾客划分。
本文运用Apriori算法帮助客户对汽车性能相关数据进行数据挖掘，探索变量间的关联性。为汽车厂商分类汽车性能提供参考。
汽车性能数据
这个数据模型用于评估车的性能方面的好坏。该数据主要包含一些车的技术性和价格等变量。
数据变量介绍
数据描述2种类型的列车。变量包括：
- 汽车可接受的价格
- 买入价格
- 维护价格
- 技术特点
- 舒适度
- 车门数
- 携带能力
- 行李箱
- 汽车的安全性
所有的变量为分类变量，值为好，一般，较差。
最后的分类属性为车的总体分类：分为4个类型：好，较好，一般和较差。
数据分析框架
本文使用关联规则挖掘apriori算法来发现车的性能价格等属性的常见模式和规则：
1 数据预处理：包括读取数据，清理缺失数据，将数据转化成关联挖掘数据类型。
2 查看频繁项集，发现合适的支持度和置信度阈值用于后续的关联规则挖掘。
3 查看关联规则挖掘结果，发现有价值的规则。
具体数据分析过程
读取数据
表原始数据
查看数据，V1-V7为相应的属性。下面的值分别代表车中设备的数量和性能的好坏。
首先以最小支持度为0.05来挖掘出较频繁出现的规则：
表 频繁规则
随时关注您喜欢的主题
可以发现，V4，V7，V5这些属性在数据集中是经常出现的变量。同时可以看到他们的属性值。
于是我们找到最频繁出现的前十个集合（频繁项集）：
表 前十个频繁项集
可以看到V7也就是价格是不可接受的车达到了70%左右。其次是V7为unacc和V6为low的车辆集合，也就是价格难以接受和安全性能低的车辆。
进行 Apriori 关联规则 模型的拟合
通过上面的判断，我们将支持度设置为0.1也就是10-%左右，用于筛选出较频繁的规则。
于是进行关联规则挖掘：
表 规则概要
查看规则：
通过查看模型概要，我们可以发现得到了20条规则，其中规则长度1的有1条，2的有8条，3的有11条。
表 规则数据
以及规则的支持度置信度和提高度。
表 规则质量
可以看到每条规则的质量。比如前6条规则，我们可以看到当车的购入价格很高时，大部分消费者认为不能接受这部车。或者当车的维护费用很高时，购买者也不能接受。
或者当车是两个门的时候，一般该车是跑车或者设计特殊，这是人们也会不能接受购买这部车，也许因为它的价格因素。
图 关联规则模型结果
从圆圈的大小，我们可以判断规则的支持度大小，从圆圈的颜色深浅我们可以判断该规则的置信度大小。
图 关联规则结果
从上面结果，我们可以看到20条规则的可视化结果，圆圈越大代表该规则的支持度越高，通过箭头我们可以判断其规则的前后推断关系。
于是我们找到置信度和支持度最高的规则，作为最有价值的规则。
表 关联规则有价值的结果
V6为车的安全性，V4为车的装载人数，如果安全性差并且只能装载2个人，消费者不会购买这辆车。因此车的安全性是一个是否购买车的重要的影响因素。
数据分析结论
从分析的结果可以看到，关联规则的模型效果在该数据集上效果较好，同时得到了一些有价值的规则，比如人们在购买车辆时主要会考虑车的价格因素，以及他的维护费用，这些因素会影响人们是否购买车辆，其中，人们也十分关心车辆的安全性能和装载性能，当车性能不安全的话，人们很难接受，甚至该因素的影响会超过价格的因素。通过这些规则我们可以对车辆提出一些营销策略。
可下载资源
关于作者
Kaizong Ye是拓端研究室（TRL）的研究员。在此对他对本文所作的贡献表示诚挚感谢，他在上海财经大学完成了统计学专业的硕士学位，专注人工智能领域。擅长Python.Matlab仿真、视觉处理、神经网络、数据分析。
本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。
非常感谢您阅读本文，如需帮助请联系我们！
SPSS modeler关联规则、卡方模型探索北京平谷大桃产业发展与电商化研究
R语言、WEKA关联规则、决策树、聚类、回归分析工业企业创新情况影响因素数据
SPSS modeler用关联规则Apriori模型对笔记本电脑购买事务销量研究
WEKA关联规则挖掘Apriori算法在学生就业数据中的应用
