关联规则分析

在上一个部分，我们学习了市场篮子分析，发现了产品之间的关联关系。但市场篮子分析只是关联规则分析的一个应用。关联规则分析是一种更通用的数据挖掘技术，它能够发现数据中各种“如果...那么...”的规律。 在这一个部分，我们将深入学习关联规则的基本概念，探索更复杂的关联模式。

理解关联规则

关联规则（Association Rules）是一种"如果...那么..."的规则形式。比如，"如果客户购买了牛奶，那么他很可能会购买面包"。这种规则能够帮助我们理解数据中的关联关系，并用于预测和推荐。

关联规则的基本形式

一个关联规则通常表示为：A → B，读作"如果A，那么B"。其中，A是前件（Antecedent），B是后件（Consequent）。比如，"牛奶 → 面包"表示"如果购买了牛奶，那么会购买面包"。

关联规则有两个重要的指标：支持度（Support）和置信度（Confidence）。支持度表示规则出现的频率，置信度表示规则的可信程度。这两个指标我们在上一个部分的课程中已经接触过，现在让我们更深入地理解它们。

为了更好地理解关联规则，我们先来看一个示例数据集。假设我们有一个订单详情测试表，记录了客户的购买记录：

从这个数据集中，我们可以发现一些关联规则。比如，在订单001和002中，牛奶和面包同时出现，这说明"牛奶 → 面包"这个规则具有一定的支持度。

高级关联规则分析

基础的关联规则分析只考虑两个产品之间的关系，但在实际应用中，我们可能需要分析更复杂的关联模式，比如多个产品之间的关系，或者考虑其他因素（如时间、地点等）的关联规则。

分析三产品组合

让我们分析三个产品之间的关联关系。比如，我们想知道"如果购买了产品A和产品B，那么会购买产品C"：

|
WITH 两产品组合 AS (
    SELECT 
        o1.订单ID,
        o1.产品名称 AS 产品A,
        o2.产品名称 AS 产品B
    FROM 订单详情测试表 o1
    INNER JOIN 订单详情测试表 o2 
        ON o1.订单ID = o2.订单ID 
        AND o1.产品名称 < o2.产品名称
),
三产品规则 AS (
    SELECT 
        c.产品A,
        c.产品B,
        o.产品名称 AS 产品C,
        COUNT(DISTINCT c.订单ID) AS 规则出现次数
    FROM 两产品组合 c
    INNER JOIN 订单详情测试表 o 
        ON c.订单ID = o.订单ID 
        AND o.产品名称 NOT IN (c.产品A, c.产品B)
    GROUP BY c.产品A, c.产品B, o.产品名称
    HAVING COUNT(DISTINCT c.订单ID) >= 2  -- 至少出现2次
),
两产品订单数 AS (
    SELECT 
        o1.产品名称 AS 产品A,
        o2.产品名称 AS 产品B,
        COUNT(DISTINCT o1.订单ID) AS 订单数
    FROM 订单详情测试表 o1
    INNER JOIN 订单详情测试表 o2 
        ON o1.订单ID = o2.订单ID 
        AND o1.产品名称 < o2.产品名称
    GROUP BY o1.产品名称, o2.产品名称
)
SELECT 
    r.产品A,
    r.产品B,
    r.产品C,
    r.规则出现次数,
    t.订单数 AS 前件订单数,
    ROUND(r.规则出现次数 * 100.0 / t.订单数, 2) AS 置信度百分比
FROM 三产品规则 r
INNER JOIN 两产品订单数 t 
    ON r.产品A = t.产品A 
    AND r.产品B = t.产品B
ORDER BY 置信度百分比 DESC;

这个查询分析三产品组合的关联规则。从结果中，我们能够发现更复杂的关联模式，比如"如果购买了牛奶和面包，那么很可能会购买鸡蛋"。这种规则对于产品推荐和交叉销售非常有用。

假设我们使用上面的测试数据执行这个查询，可能会得到类似下面的结果：

从这个结果可以看出，当客户同时购买面包和黄油时，有100%的概率会购买果酱。虽然这个规则的支持度不高（只出现了1次），但置信度非常高，说明这个组合具有很强的关联性。

考虑时间因素的关联规则

在实际应用中，时间因素可能也很重要。比如，某些产品可能在特定时间段更容易一起购买。让我们分析考虑时间因素的关联规则：

|
-- 假设我们有一个包含订单日期的表
WITH 产品组合时间 AS (
    SELECT 
        o1.订单ID,
        o1.产品名称 AS 产品A,
        o2.产品名称 AS 产品B,
        DATE_FORMAT(o1.订单日期, '%Y-%m') AS 月份
    FROM 订单详情表 o1
    INNER JOIN 订单详情表 o2 
        ON o1.订单ID =

这个查询分析不同月份的关联规则。从结果中，我们可能会发现某些产品组合在特定月份更常见，这可能与季节性、促销活动等因素有关。

假设我们有一个包含订单日期的订单详情表，执行这个查询后可能会得到类似下面的结果：

从这个结果可以看出，牛奶和面包的组合在2024年2月份出现了18次，比1月份的15次更多。这可能是因为2月份有促销活动，或者这个时间段客户更倾向于同时购买这两种产品。这种时间维度的分析能够帮助我们理解产品关联关系的季节性变化。

分析负关联规则

除了正关联（产品经常一起出现），我们还可以分析负关联（产品很少一起出现）。负关联规则同样有价值，比如，如果两个产品很少一起购买，可能是因为它们是替代品，或者客户通常只需要其中一个。

|
WITH 所有产品 AS (
    SELECT DISTINCT 产品名称 FROM 订单详情测试表
),
产品组合 AS (
    SELECT 
        a.产品名称 AS 产品A,
        b.产品名称 AS 产品B,
        COUNT(DISTINCT o1.订单ID) AS 共现次数
    FROM 所有产品 a
    CROSS JOIN 所有产品 b
    LEFT JOIN 订单详情测试表 o1 

这个查询识别负关联规则。如果两个产品很少一起出现，或者它们的共现频率远低于预期，说明它们可能是负关联的。这种信息对于理解产品关系、优化商品陈列同样有价值。

假设我们使用上面的测试数据执行这个查询，可能会得到类似下面的结果：

从这个结果可以看出，牛奶和黄油从未在同一订单中出现过，虽然它们各自都有一定的订单数（牛奶3次，黄油2次），但它们的共现次数为0。实际支持度为0%，而期望支持度为24%，说明这两个产品之间存在明显的负关联关系。这可能意味着它们是替代品，或者客户通常只需要其中一个。

课程小结

这节课我们简单理解了“如果……那么……”这种数据关联关系的本质，还会用SQL高效地进行支持度、置信度、提升度等指标的计算和挖掘复杂的多产品关系，包括正关联和负关联以及时间维度分析。

实际应用中，我们要特别关注数据时间范围和质量，谨记关联不等于因果。在下一节课，我们探索SQL中的数据挖掘模型，学习如何借助SQL实现基础的预测与分类任务，理解它在数据挖掘中的能力和边界。