讲义实例

9个顾客去超市购买商品，对应9个交易事务，每个事务有一个标识符TID。数据库中包含5个项：I={I1,I2,I3,I4,I5}；包括9个事务（项集），分别为T100={I1,I2,I5}⊆I。

已知其最小支持度阈值和最小置信度阈值分别为22%和70%，找出其中的所有强规则。

交易数据对于每个交易或项目具有一个单独的记录。例如，如果客户进行了多次采购，则每次采购都会有一个单独的记录，并且相关联的商品与客户 ID 相链接。这种格式有时称为行穷尽格式。

Apriori、CARMA 和序列节点都可使用交易数据。

使用交易数据进行关联规则挖掘的步骤如下：

步骤1：创建Excel数据库，结构如下：

步骤2：打开SPSS Clementine软件，在“数据源”选项卡中，双击“Excel”节点，则在流工作区显示该节点，双击该节点，设置“数据”选项卡，导入上述文件，如图：

设置“类型”选项卡，“读取值”，并设置方向为“双向”，如图：

步骤3：单击“确定”按钮。在流中添加“Apriori”建模节点，在“字段”选项卡中选择“使用定制设置”，并核实“使用事务处理格式”，ID选择“TID”，内容选择“items”，如图：

在“模型”选项卡中设置最低条件支持度“22”，最低规则置信度“70”，如图所示：

步骤4：单击“执行”，在Clementine管理器“模型”选项卡中显示模型，右键“浏览”，结果如下：

可见，最终形成的强规则包括：

I4=>I2, support=22%, confidence=100%

I5=>I1, support=22%, confidence=100%

I5=>I2, support=22%, confidence=100%

I5∧I1=>I2, support=22%, confidence=100%

I5∧I2=>I1, support=22%, confidence=100%

表格数据（也称为篮子数据或真值表数据）由单独的标志表示项目，其中每个标志字段表示一个特定项目的存在或不存在。每个记录表示一个相关项目的完整集合。标志字段可以是分类的也可以是数字的，但某些模型具有更具体的要求。

Apriori、CARMA、GRI 和序列节点都可使用表格数据。

使用表格数据进行关联规则挖掘的步骤如下：

步骤1：创建Excel数据库，结构如下：

步骤2：打开SPSS Clementine软件，在“数据源”选项卡中，双击“Excel”节点，则在流工作区显示该节点，双击该节点，设置“数据”选项卡，导入上述文件，如图：

设置“类型”选项卡，“读取值”，并设置方向为“双向”，如图：

步骤3：单击“确定”按钮。在流中添加“Apriori”建模节点，在“字段”选项卡中选择“使用定制设置”，后项选择“全选”，前项也选择字段“全选”，如图：

在“模型”选项卡中设置最低条件支持度“22”，最低规则置信度“70”，如图所示：

步骤4：单击“执行”，在Clementine管理器“模型”选项卡中显示模型，右键“浏览”，结果如下：

结果与交易数据格式下的结果完全一样。