4.1 案例一：零售商系统货蓝数据挖掘（续）
表4.2中行和列数字表示同时购买这两种商品的额 交易条数。如购买有纸尿片的交易条数为4，而同时购 买纸尿片和啤酒的交易数位2.
信任度表示了这条规则在多大程度上可信。计算
“如果纸尿片则啤酒”的信任度。由于在含有纸尿片 的4条交易中，仅有2条交易含有啤酒，所以其置信度 为0.5。
（Confidence）”作为主要商品相关性分析指标，为
了强化说明关联关系，往往会运用兴趣度（Lift）指标。
第四章 数据挖掘应用案例
4.1 案例一：零售商系统货蓝数据挖掘（续）
（1）支持度 在货蓝分析中，支持度指的是多个商品同时出现 在同一个货蓝中的概率。比如，尿布与啤酒同时出现
在货蓝中的概率是20%，称尿布与啤酒的支持度是
第四章 数据挖掘应用案例
4.1 案例一：零售商系统货蓝数据挖掘（续）
支持度计算在所有交易集中，既有纸尿片又有啤 酒的概率。在5条记录中，既有纸尿片又有啤酒的二级 路有2条，则此条规则的支持度=2/5=0.4。现在这个规
则可表述为：如果一个顾客购买了纸尿片，则有50%
的可能购买啤酒。而这样的情况（及购买了纸尿片有 购买了啤酒）会有40%的可能发生。 再来考虑下述情况：
如何从大型数据库中挖掘关联规则呢？关联规则的挖
掘有以下两步： 1）根据最小支持度找出事务数据库D中所有的频繁项
目集。
2）有频繁项目集合最小支持度产生强关联规则，也可 以使用附加的兴趣度来对规则进行度量。
第四章 数据挖掘应用案例
4.1 案例一：零售商系统货蓝数据挖掘（续）
以支持度、信任度、兴趣度三项指标表现的商品 关联规则。一个正规的货蓝分析报表应该采取三个指 标数字，才可以准确地衡量商品是否真的存在关联关 系：采取“支持度（Support）-信任度
以上情况可得到下述规则：
规则 if 啤酒 and 卫生纸 then 纸尿片 if 纸尿片 and 卫生纸 then 啤酒 信任度 0.05/0.15*100%=33.33% 0.05/0.20*100%=25%
if 纸尿片 and 啤酒 then 卫生纸
0.05/0.25*100%=20%
第四章 数据挖掘应用案例
20%，按照国际命名规则表示为： 啤酒Implies尿布=20%
第四章 数据挖掘应用案例
4.1 案例一：零售商系统货蓝数据挖掘（续）
“尿布与啤酒”不等于“啤酒与尿布”——相关 性的单向性，是代表商品之间的相关性具有单向性。 “尿布与啤酒”代表了一种因果关系。在“尿布与啤
酒”的故事中，年轻的父亲去的目的是购买尿布，在
第四章 数据挖掘应用案例
4.1 案例一：零售商系统货蓝数据挖掘（续）
1991年，Walmart年销售额突破400亿美元，成 为全球大型零售企业之一。据1994年5月美国《财富》 杂志公布的全美服务行业分类排行榜，1993年 Walmart销售额高达673.4亿美元，比上一年增长118
亿美元，超过了1992年排名第一位的西尔斯
（Sears），雄踞全美零售业榜首。1995年， Walmart销售额持续增长，并创造了零售业的一项世 界纪录，实现年销售额936亿美元，在《财富》杂志
第四章 数据挖掘应用案例
4.1 案例一：零售商系统货蓝数据挖掘（续）
美国最大企业排行榜上名列第四。事实上，Walmart 的年销售额相当于全美所有百货公司的总合，而且至 今仍保持着强劲的发展势头。至今，Walmart已拥有 2133家Walmart商店、469家山姆会员商店和248家
并很快地完成购物；而Walmart也可以让这些客户一 次购买两件商品，而不是一件，从而获得了很好的商 品销售收入。
第四章 数据挖掘应用案例
4.1 案例一：零售商系统货蓝数据挖掘（续）
当然“尿布与啤酒”的故事必须具有技术方面的 支持。1993年，美国学者Agrawal提出通过分析货蓝 中的商品集合，来找出商品之间关联关系的关联算法， 并根据商品之间的关系，找出客户的购买性为。
买尿布的前提下，才会考虑购买啤酒，因此在购买尿 布的父亲中有35%购买了啤酒，不代表购买了啤酒的 父亲有35%购买了尿布，因为这是两类不同的消费行 为，商品之间的因果关系也会不同，因此这个故事不
能反过来讲。
第四章 数据挖掘应用案例
4.1 案例一：零售商系统货蓝数据挖掘（续）
要看商品之间是否具有相关性，在计算商品之间 的支持度时，需要反过来计算进行验证，看看两个商 品之间的相关性具有多少的信任度，从而寻找商品之
3、Walmart货蓝数据挖掘的关联分析过程
研究商品关联关系的方法就是货蓝分析，Walmart 强调找出商品之间的关联关系，比如啤酒与尿布。换 句话说，Walmart重点是分析货蓝内商品之间的关联 关系。
第四章 数据挖掘应用案例
4.1 案例一：零售商系统货蓝数据挖掘（续）
以Walmart为代表的美式货蓝分析的目标一般是 面积巨大（通常都是上万平方米）商品种类繁多（大 多在10万种以上）的卖场，所以要通过货蓝分析找出 淹没在不同区域商品之间的关联关系，并将这些关联
间的额因果关系。由于商品之间关联关系具有单向性，
在零售业也会采取这种表示商品关联关系的方式： 尿布=>啤酒，即尿布与啤酒之间具有关联关系， 方向是从尿布到啤酒。
第四章 数据挖掘应用案例
4.1 案例一：零售商系统货蓝数据挖掘（续）
（2）信任度 信任度是对支持度进行衡量的指标，用于衡量支 持度的可信度及数据强度。由于这项指标是将商品同
Walmart购物广场，分布在美国、中国、墨西哥、加
拿大、英国、波多黎各、巴西、阿根廷、南非、哥斯 达黎加、危地马拉、洪都拉斯、沙尔瓦多、尼加拉瓜 14个国家。它在短短几十年中又如此迅猛的发展，不 得不说是零售业的一个奇迹。
第四章 数据挖掘应用案例
4.1 案例一：零售商系统货蓝数据挖掘（续）
2、Walmart货蓝数据挖掘内容 Walmart关注客户的货蓝。因为Walmart认为商品销 售量的冲刺只是短期行为，而零售企业的生命力取决于货 蓝。一个小小的货蓝体现了客户的真实消费需求和购物行
4.1 案例一：零售商系统货蓝数据挖掘（续）
为了能够准确了解顾客在其门店的购买习惯， Walmart对其顾客的购物行为进行货蓝分析，想知道顾客 经常一起购买的商品有哪些。商品相关性分析是货蓝分析 中最重要的部分，Walmart数据仓库里集中了其各门店的
具体原始交易数据。在这些原始交易数据的基础上，
Walmart利用NCR数据挖掘工具对这些数据进行了分析和 挖掘。Walmart发现了一个令人难以理解的现象：在某些
第四章 数据挖掘应用案例
4.1 案例一：零售商系统货蓝数据挖掘（续）
如果这个年轻的父亲在卖场只能买到两件商品之一， 则他很有可能会放弃购物而到另一家商店，直到可以 一次同时买到尿布与啤酒为止。Walmart发现了这一 独特的现象，开始在卖场尝试将尿布与啤酒摆放在相
同的区域，让年轻的父亲可以同时找到这两件商品，
5
橙汁
第四章 数据挖掘应用案例
4.1 案例一：零售商系统货蓝数据挖掘（续）
将表4.1整理后得到购买记录转换后的二维表4.2。
项目 纸尿片 橙汁 牛奶 啤酒 卫生纸 纸尿片 4 1 1 2 1 橙汁 1 2 1 0 0 牛奶 1 1 1 0 0 啤酒 2 0 0 2 0 卫生纸 2 0 0 1 2
第四章 数据挖掘应用案例
Agrawal从数学及计算机算法角度提出了商品关联关
系的计算方法——Aprior算法。Walmart从20世纪90 年代尝试将Aprior算法引入POS机数据分析中，并获 得了成功，于是产生了“尿布与啤酒”的故事。
第四章 数据挖掘应用案例
4.1 案例一：零售商系统货蓝数据挖掘（续）
按常规思维，尿布与啤酒风马牛不相及，若不是 借助数据挖掘技术对大量数据进行挖掘分析， Walmart是不可能发现数据内在的这一有价值的规律 的。
时出现在货蓝中概率进行反复运算，因此这是衡量商
品相关性的主要指标。 （3）兴趣度 兴趣度又称为提升度，是对支持度、信任度全面 衡量的指标，很多时候在衡量商品关联关系时只采用
第四章 数据挖掘应用案例
4.1 案例一：零售商系统货蓝数据挖掘（续）
这一个指标，可见这个指标的重要性。当兴趣度指标 大于1.0时，则表明商品之间可能具有真正的关联关系。 兴趣度数据越大，则商品之间的关联意义越大。如果
第四章 数据挖掘应用案例
4.1 案例一：零售商系统货蓝数据挖掘
4.2 案例二：通信用户满意度指数评测
4.3 案例三：城市环境质量评价
第四章 数据挖掘应用案例
数据挖掘是从海量数据中发现有趣知识的而过程， 这些知识是隐含的、事先未知的潜在有用信息，挖掘的 知识表示形式为概念、规则、规律和模式等，是建立在 数据仓库基础上的高层应用。结合领域知识和数据分析 技术，数据挖掘为许多特定领域提供解决方案，包括金 融、零售和通信、科学与工程、入侵检测和防护等。同 时也会影响人们购物、工作、搜索信息、使用计算机、 保护隐私和数据安全，以及休闲、健康和幸福等日常生 活。随着数据挖掘技术的广泛应用，由此所带来的影响 也将继续。
特定情况下，“啤酒”与“尿布”两件看上去毫无关系的
商品会经常出现在同一个货蓝中，这种独特的销售现象引 起了管理人员的注意。
第四章 数据挖掘应用案例
4.1 案例一：零售商系统货蓝数据挖掘（续）
这是数据挖掘技术对历史数据进行分析的结果， 反映数据内在的规律。那么这个结果符合现实情况吗？ 是否是一个有用的知识？是否有利用价值？于是
兴趣度小于1.0，则表明商品之间不可能具有真正的关
联关系。 在某些情况下，兴趣度会出现负值，此时商品之 间很可能具有相互排斥的关系，体现在货蓝中，就是 这些商品从来不会出现在同一个货蓝中。
第四章 数据挖掘应用案例