先简单介绍一下啤酒+尿布的故事：某个超市发现，在周末购买了儿童尿布的顾客，有很大一部分同时购买了啤酒；超市工作人员就尝试了一下：把尿布摆放在距离啤酒想对较近的位置，结果真的促进了两种商品的销售。
这个故事中用到了一种算法，叫做关联规则。还是拿🌰来说：
只有少量数据时的示例：
假设你开了一个小超市，里面就买四种商品（辣么多😺）：A、B、C、D
你发现很多顾客同时购买多件产品，以同时购买两件为例，总共有：AB、AC、AD、BC、BD、CD，六种组合。
把某一天的销售记录拿出来并整理一下：当天总共有100张小票，其中有51张小票显示：用户同时购买了A和B两种商品，这就意味着有51%的用户倾向于同时购买A和B。也就是两者共现的概率，这个值是来判断一条规则是否值得去深挖的判定条件，如果太小就算了。
我们可以这样去理解：有51%的用户在购买A的同时会购买B，这里的51%就叫做支持度，也称作相对支持度，而51就是绝对支持度咯。
同时还发现，另外有29人购买了商品A确没有购买B，也就是说所，总共有29+51=80位顾客购买了商品A，这80位顾客中有51位同时还购买了B：
也就是说有63.75%的顾客购买了A的同时会购买了B，这个63.75%叫做置信度。也就是A发生情况下B发生的条件概率，在这里就是购买了A的用户再购买B商品这条规则的可靠程度。
现在你就得到了一条关联规则：A->B:支持度51%，置信度63.75%，
同样的方法你还可以得到其他的规则，比如：
B->A:支持度XX%，置信度XX%
A->C:支持度XX%，置信度XX%
....
我们选择支持度和置信度都比较高的，比如就选A->B，假定A代表啤酒，B代表尿布，由于它们之间有着非常高的关联关系（置信度63.75%说明二者相关性很高，支持度51%说明此条规则适用性比较强），因此我们可以推测购买了啤酒的顾客就会购买尿布了（有63.75%的可能会购买）。
再回顾一下刚才的规则：
啤酒->尿布：支持度：51%；置信度：63.75%
这意味着：
购买啤酒的人中，同时购买尿布的概率为63.75%：说明二者关联性很强，要想办法让购买啤酒的顾客能很方便的找到尿布。
而所有顾客中，同时购买啤酒和尿布的顾客占51%：说明二者很畅销要多多备货。
小测验：
A->B和B->A这两条规则的支持度和置信度一样吗？
答案：
支持度是一样的，但是置信度却不一定。
因为支持度是二者共现的概率，因此是一样的，但是置信度是条件概率：P(A|B)不一定等于P(B|A)。
数据量较大时的情形：
上面的例子中只有四个产品，我们可以很轻松的统计出来，但是如果是一个有十万种商品的大超市呢：
仅两两组合竟然就有近50亿种可能！！！还是交给“愚公”吧😓，这真是要“子子孙孙无穷匮😢”了。
怎么办呢？答案就是使用合适的算法😊！！
比如说有些商品一年都卖不了几件（这意味着支持度会极小），那么我们直接就不去关心与之相关的商品组合了，一件这样的商品就可以减少10万个（确切说是10万减1个）组合😺！
基于此理念，发展出了两种常用的关联规则算法：Apriori算法和FP-Growth算法，可以极大的提高规则提取的效率（因为大量影响力小的数据在计算前就被忽略掉了）。
顺便说一下，FP-Growth算法是毕业于中国科技大学的韩家炜老师提出来的，是不是可以稍稍自豪一下了😄。
关联规则有什么用呢？
- 首先可以做决策支持，就像第二个例子中说的，如果是商家挖掘出了关联规则，可以通过两种或者多种商品捆绑销、同时售价格优惠的策略来提高销售量。
- 再者可以做推荐，比如你在某东或者某猫上查看某件商品时，下面往往会有提示：查看了此商品的用户同时还看了...然后列出一大堆其他商品，靠这种方式激发你购买的欲望。（不过请注意，使用这种算法进行推荐，所有人看到的结果都是一样的，更高级的算法是做个性化推荐，也就是不同的人看到的商品都是根据自己的兴趣计算出来的，通俗来说就是“千人千面”）
关于如何做到个性化，或者更深入地了解关于Apriori算法和FP-Growth算法的详细讲解...
敬请期待😄
识别二维码，关注“格物课堂”微信公众号