Statistics 和 Modeler作為 IBM SPSS 軟件家族中重要的成員，是專業(yè)的科學(xué)統(tǒng)計(jì)、數(shù)據(jù)挖掘分析工具，其具有功能強(qiáng)大，應(yīng)用廣泛的特點(diǎn)。其核心 組成部分——預(yù)測分析模型，不僅是軟件功能實(shí)現(xiàn)的關(guān)鍵，同時(shí)也是軟件應(yīng)用的關(guān)鍵。
Statistics中的模型側(cè)重于統(tǒng)計(jì)分析技術(shù)， 而Modeler則側(cè)重于數(shù)據(jù)挖掘技術(shù)。它們都依據(jù)現(xiàn)有數(shù)據(jù)，運(yùn)用某個(gè)或某幾個(gè)特定的算法，來預(yù)測用戶所關(guān)注信息的未來值。Statistics 和 Modeler提供眾多的預(yù)測模型，這使得它們可以應(yīng)用在多種商業(yè)領(lǐng)域中：如超市商品如何擺放可以提高銷量；分析商場營銷的打折方案，以制定新的更為有效的方案；保險(xiǎn)公司分析以往的理賠案例，以推出新的保險(xiǎn)品種等等，具有很強(qiáng)的商業(yè)價(jià)值。
Statistics和 Modeler產(chǎn)品中含有大量基于高級數(shù)學(xué)統(tǒng)計(jì)算法的預(yù)測模型，為了保證算法的嚴(yán)密性及結(jié)果的精確性，模型往往還需要許多詳細(xì)的參數(shù)設(shè)定，這樣就要求用戶具有一定的統(tǒng)計(jì)專業(yè)知識，只有理解預(yù)測模型中的各項(xiàng)設(shè)置及運(yùn)算結(jié)果的真實(shí)意義，才有可能結(jié)合結(jié)果做出正確的決策判斷；另外，為了滿足不同行業(yè)用戶的需求，Statistics和 Modeler涉及到數(shù)學(xué)領(lǐng)域中多個(gè)不同的范疇，即使專業(yè)用戶也很難了解所有模型，從而挑選出最適合他們應(yīng)用的模型。
因此，為了讓更多的用戶更好更準(zhǔn)確地使用我們的產(chǎn)品，最大地發(fā)揮其商業(yè)價(jià)值，我們將通過一系列的相關(guān)文章來介紹IBM SPSS軟件家族中Statistics 和 Modeler的典型預(yù)測模型以及他們在解決相應(yīng)的商業(yè)問題中的實(shí)際應(yīng)用。
本系列文章從實(shí)際問題出發(fā)，通過一些實(shí)際生活中常見的商業(yè)問題來引出IBM SPSS 軟件家族中的典型預(yù)測模型，手把手地指導(dǎo)用戶如何在軟件中對該模型進(jìn)行設(shè)置，如何查看運(yùn)行結(jié)果，講解運(yùn)行結(jié)果的真實(shí)意義，最后引申到如何將該結(jié)果應(yīng)用于解決這個(gè)具體的商業(yè)問題中來。用這種最直觀簡單的方式使即使缺乏統(tǒng)計(jì)學(xué)背景的用戶也能容易地理解這些預(yù)測模型，從而很好地使用我們的產(chǎn)品。 同時(shí)，文中也涉及了一定的統(tǒng)計(jì)知識，使具有專業(yè)知識的用戶能依此線索盡可能多的了解我們的產(chǎn)品的方方面面，從而選擇最適合他們問題的模型。
下面，我們將會陸續(xù)給大家介紹IBM SPSS 軟件家族中的Statistics 和 Modeler包含的典型預(yù)測模型。
超市典型案例
如何擺放超市的商品引導(dǎo)消費(fèi)者購物從而提高銷量，這對大型連鎖超市來說是一個(gè)現(xiàn)實(shí)的營銷問題。關(guān)聯(lián)規(guī)則模型自它誕生之時(shí)為此類問題提供了一種科學(xué)的解決方法。該模型利用數(shù)據(jù)挖掘的技術(shù)，在海量數(shù)據(jù)中依據(jù)該模型的獨(dú)特算法發(fā)現(xiàn)數(shù)據(jù)內(nèi)在的規(guī)律性聯(lián)系，進(jìn)而提供具有洞察力的分析解決方案。以下我們將通過一則超市銷售商品的案例，利用 IBM SPSS Modeler 產(chǎn)品中的“關(guān)聯(lián)規(guī)則模型”，來分析商品交易流水?dāng)?shù)據(jù)，以其發(fā)現(xiàn)合理的商品擺放規(guī)則，來幫助提高銷量。文中將詳細(xì)地描述產(chǎn)品的設(shè)置和使用方法，以及對計(jì)算結(jié)果的分析及應(yīng)用。
關(guān)聯(lián)規(guī)則簡介
關(guān)聯(lián)規(guī)則的定義
關(guān)聯(lián)規(guī)則表示不同數(shù)據(jù)項(xiàng)目在同一事件中出現(xiàn)的相關(guān)性，就是從大量數(shù)據(jù)中挖掘出關(guān)聯(lián)規(guī)則。為了更直觀的理解關(guān)聯(lián)規(guī)則，我們首先來看下圖的場景。
圖 1. 超市市場分析員分析顧客購買習(xí)慣
在上圖中，超市市場分析員分析顧客購買商品的場景，顧客購買面包同時(shí)也會購買牛奶的購物模式就可用以下的關(guān)聯(lián)規(guī)則來描述：
面包 => 牛奶 [ 支持度 =2%, 置信度 =60%] （式 1）
式 1中面包是規(guī)則前項(xiàng)（Antecedent），牛奶是規(guī)則后項(xiàng) (Consequent)。實(shí)例數(shù)（Instances）表示所有購買記錄中包含面包的記錄的數(shù)量。支持度（Support）表示購買面包的記錄數(shù)占所有的購買記錄數(shù)的百分比。規(guī)則支持度（Rule Support）表示同時(shí)購買面包和牛奶的記錄數(shù)占所有的購買記錄數(shù)的百分比。置信度（confidence）表示同時(shí)購買面包和牛奶的記錄數(shù)占購買面包記錄數(shù)的百分比。提升（Lift）表示置信度與已知購買牛奶的百分比的比值，提升大于 1 的規(guī)則才是有意義的。關(guān)聯(lián)規(guī)則 式 1的支持度 2% 意味著，所分析的記錄中的 2% 購買了面包。置信度 60% 表明，購買面包的顧客中的 60% 也購買了牛奶。如果關(guān)聯(lián)滿足最小支持度閾值和最小置信度閾值，就說關(guān)聯(lián)規(guī)則是有意義的。這些閾值可以由用戶或領(lǐng)域?qū)＜以O(shè)定。就顧客購物而言，根據(jù)以往的購買記錄，找出滿足最小支持度閾值和最小置信度閾值的關(guān)聯(lián)規(guī)則，就找到顧客經(jīng)常同時(shí)購買的商品。
數(shù)據(jù)格式
關(guān)聯(lián)規(guī)則使用的數(shù)據(jù)可能是交易格式，也可能是表格格式，如下所述。
交易格式
交易數(shù)據(jù)對于每個(gè)交易或項(xiàng)目具有一個(gè)單獨(dú)的記錄。例如，如果客戶進(jìn)行了多次采購，則每次采購都會有一個(gè)單獨(dú)的記錄，并且相關(guān)聯(lián)的商品與客戶 ID 相鏈接。這種格式有時(shí)稱為 行窮盡格式。
表 1. 交易格式數(shù)據(jù)
| 客戶 | 采購 |
|---|---|
| 1 | jam |
| 2 | milk |
| 3 | jam |
| 3 | bread |
| 4 | jam |
| 4 | bread |
| 4 | milk |
表格格式
表格數(shù)據(jù)（也稱為籃子數(shù)據(jù)或真值表數(shù)據(jù)），由單獨(dú)的標(biāo)志表示項(xiàng)目，其中每個(gè)標(biāo)志字段表示一個(gè)特定項(xiàng)目的存在或不存在。每個(gè)記錄表示一個(gè)相關(guān)項(xiàng)目的完整集合。標(biāo)志字段可以是分類的，也可以是數(shù)字的。
表 2. 表格格式數(shù)據(jù)
| 客戶 | Jam | Bread | Milk |
|---|---|---|---|
| 1 | T | F | F |
| 2 | F | F | T |
| 3 | T | T | F |
| 4 | T | T | T |
關(guān)聯(lián)規(guī)則挖掘算法
Aprior、Carma 和序列節(jié)點(diǎn)是常用的關(guān)聯(lián)規(guī)則挖掘算法，它們都可以使用交易格式和表格格式數(shù)據(jù)進(jìn)行挖掘處理。其中 Aprior 算法，處理速度快，對包含的規(guī)則數(shù)沒有限制，是一種最有影響的挖掘關(guān)聯(lián)規(guī)則的方法。
IBM SPSS Modeler 關(guān)聯(lián)規(guī)則模型的使用
IBM SPSS Modeler 作為一種可視化的數(shù)據(jù)挖掘和建模工具，支持 Aprior、Carma 和序列節(jié)點(diǎn)關(guān)聯(lián)規(guī)則挖掘模型，本章節(jié)將重點(diǎn)介紹 Aprior 模型的設(shè)置、使用方法和結(jié)果分析。
對于超市市場分析員分析顧客購買習(xí)慣的案例，現(xiàn)在讓我們設(shè)定一個(gè)實(shí)際的場景，市場分析員利用超市海量的購物清單，從中分析出顧客購買啤酒會和哪些商品一起購買，依次來合理安排商品的擺放，進(jìn)而提高啤酒的銷量。
對于此案例，我們使用 IBM SPSS Modeler 自帶的安裝目錄下的 Demos 文件夾下的 BASKETS1n 數(shù)據(jù)。我們希望分析出哪些商品會和啤酒一起購買，以此來合理安排商品的擺放，進(jìn)而提高啤酒的銷量。
此數(shù)據(jù)屬于表格格式數(shù)據(jù)，每條記錄表示顧客的一次購物。記錄的字段包括卡號、顧客基本信息、付款方式和商品名稱（每個(gè)商品一個(gè)字段 , 該商品字段值為 T, 表示購買該商品 , 值為 F 表示未購買，具體可參考表 2, 表格格式數(shù)據(jù)）。商品名稱都有 fruitveg（水果蔬菜），freshmeat（生鮮肉），dairy（奶制品），cannedveg（罐裝蔬菜），cannedmeat（罐裝肉），fozenmeal（凍肉），beer（啤酒）, wine（酒類），softdrink（軟飲），fish（魚）, confectionery（甜食）。如何對這些數(shù)據(jù)進(jìn)行分析和處理，本節(jié)會給出詳細(xì)的演示。
在做詳細(xì)介紹以前，讓我們先了解下 IBM SPSS Modeler 的建模過程，關(guān)于詳細(xì)的過程，可以參考本文給出的參考資料。IBM SPSS Modeler 中處理的基本對象是流，在流中可以添加數(shù)據(jù)節(jié)點(diǎn)、類型節(jié)點(diǎn)、建模節(jié)點(diǎn)等，運(yùn)行后會生成模型節(jié)點(diǎn)，進(jìn)而對模型節(jié)點(diǎn)進(jìn)行分析，得出結(jié)論。
現(xiàn)在讓我們開始介紹如何創(chuàng)建一條包含關(guān)聯(lián)規(guī)則模型的流，來解決市場分析員的問題。本節(jié)使用 IBM SPSS Modeler 14.2 進(jìn)行演示。首先打開 Modeler 產(chǎn)品，會出現(xiàn)一張空白的流界面，這時(shí)用戶可以在里面創(chuàng)建自己的流。
圖 2. IBM SPSS Modeler 界面
第一步，為流添加一個(gè)數(shù)據(jù)節(jié)點(diǎn)，這里選擇 Modeler 自帶的 Demo 數(shù)據(jù)。將界面下方選項(xiàng)卡的“源”選項(xiàng)中的“可變文件”拖放到空白界面中，雙擊打開，在文件選項(xiàng)卡中選擇 Modeler 自帶的 Demo 數(shù)據(jù) BASKETS1n，如圖所示。
圖 3. 選擇添加數(shù)據(jù)節(jié)點(diǎn)
點(diǎn)擊確定按鈕，這時(shí)就成功的創(chuàng)建了數(shù)據(jù)節(jié)點(diǎn)。
第二步，為流添加類型節(jié)點(diǎn)，類型節(jié)點(diǎn)是顯示和設(shè)置數(shù)據(jù)每個(gè)字段的類型、格式和角色。從界面下方的“字段選項(xiàng)”卡中，將“類型”節(jié)點(diǎn)拖放到界面中，接著將數(shù)據(jù)節(jié)點(diǎn)和類型節(jié)點(diǎn)連接起來，或者直接在“字段選項(xiàng)”卡中雙擊“類型”節(jié)點(diǎn)，將兩者連接起來。這時(shí)雙擊打開“類型”節(jié)點(diǎn)，此時(shí)“類型”節(jié)點(diǎn)中顯示了數(shù)據(jù)的字段和其類型，點(diǎn)擊“類型”節(jié)點(diǎn)界面上的“讀取值”按鈕，這時(shí)會將數(shù)據(jù)節(jié)點(diǎn)中的數(shù)據(jù)讀取過來。如下圖所示。
圖 4. 設(shè)置類型節(jié)點(diǎn)
接著可以為參與建模的數(shù)據(jù)字段設(shè)置角色，角色分“輸入”，“目標(biāo)”，“兩者”和“無”。輸入表示該字段可供建模使用，目標(biāo)表示該字段為建模的預(yù)測目標(biāo)，兩者表示該字段為布爾型的輸入字段，無表示該字段不參與建模。Apriori 節(jié)點(diǎn)需要一個(gè)或多個(gè)輸入字段和一個(gè)或多個(gè)目標(biāo)字段，輸入字段和輸出字段必須是符號型字段。在此可以選擇一個(gè)或多個(gè)字段為目標(biāo)字段，表明該模型的預(yù)測目標(biāo)字段；對于 Apriori 建模節(jié)點(diǎn)，也可以不設(shè)置目標(biāo)字段，則需要在建模節(jié)點(diǎn)中設(shè)置“后項(xiàng)”。
第三步，為流添加 過濾節(jié)點(diǎn)，將不參與的字段排除在外。該步驟為可選步驟。從“字段選項(xiàng)”卡中選擇“過濾”節(jié)點(diǎn)，并將其拖入到界面中，將“過濾”節(jié)點(diǎn)加入到流中。雙擊打開“過濾”節(jié)點(diǎn)，在不參與建模字段的箭頭上點(diǎn)擊，會出現(xiàn)一個(gè)紅叉，表示該字段被過濾掉了，不參與建模，如圖所示。
圖 5. 設(shè)置過濾節(jié)點(diǎn)
對于一些與建模關(guān)系不大的節(jié)點(diǎn)可以將其過濾掉，比如卡號、性別、家鄉(xiāng)和年齡字段。
第四步，有了這些前期的準(zhǔn)備過程，接下來就可以開始創(chuàng)建關(guān)聯(lián)規(guī)則模型節(jié)點(diǎn)了，在此之前，讓我們先添加一個(gè)圖形節(jié)點(diǎn)—— 網(wǎng)絡(luò)節(jié)點(diǎn)，建立此節(jié)點(diǎn)的目的是為了讓用戶首先可以直觀的看到商品之間的關(guān)聯(lián)程度，有一個(gè)感性認(rèn)識。選擇“圖形”選項(xiàng)卡中的“網(wǎng)絡(luò)”節(jié)點(diǎn)，將此拖入界面，將“網(wǎng)絡(luò)”節(jié)點(diǎn)加入流中，與“過濾”節(jié)點(diǎn)連接起來。雙擊打開網(wǎng)絡(luò)節(jié)點(diǎn)，在“字段”列表中選擇添加字段，可以將所有的商品字段添加進(jìn)來；也可以點(diǎn)擊“僅顯示真值標(biāo)志”，將只顯示那些“兩者”的字段，如圖所示。
圖 6. 網(wǎng)絡(luò)節(jié)點(diǎn)設(shè)置
點(diǎn)擊“選項(xiàng)”卡，進(jìn)入選項(xiàng)設(shè)置，用戶可以在此設(shè)置鏈接數(shù)量的顯示范圍，不顯示一些鏈接數(shù)量低的鏈接，如圖所示。
圖 7. 網(wǎng)絡(luò)節(jié)點(diǎn)選項(xiàng)設(shè)置
點(diǎn)擊“運(yùn)行”按鈕，這時(shí)會生成一個(gè)商品之間關(guān)聯(lián)程度（鏈接數(shù)量）的網(wǎng)絡(luò)圖，用戶可以在下方的調(diào)節(jié)桿上調(diào)節(jié)鏈接數(shù)量的顯示范圍。
圖 8. 網(wǎng)絡(luò)節(jié)點(diǎn)運(yùn)行結(jié)果
上圖中，線的粗細(xì)和深淺代表聯(lián)系的強(qiáng)弱，可以直觀的看到 beer 和 frozenmeat，cannedeg 聯(lián)系程度比較強(qiáng)。接下來將開始本章節(jié)的重點(diǎn)部分，關(guān)聯(lián)規(guī)則模型節(jié)點(diǎn)的設(shè)置和使用。
第五步，添加“建?！惫?jié)點(diǎn)到流中，開始關(guān)聯(lián)規(guī)則模型設(shè)置和使用的篇章。首先點(diǎn)擊界面下方“建?！边x項(xiàng)卡，再點(diǎn)擊“關(guān)聯(lián)”分類，將 Apriori 節(jié)點(diǎn)拖放到界面中，連接該節(jié)點(diǎn)到過濾節(jié)點(diǎn)上，或者雙擊 Apriori 節(jié)點(diǎn)。接著設(shè)置 Apriori 節(jié)點(diǎn)的參數(shù)，建立關(guān)聯(lián)規(guī)則模型。雙擊打開 Apriori 節(jié)點(diǎn)，如下圖所示。
圖 9. Apriori 建模節(jié)點(diǎn)
該“字段”選項(xiàng)卡，是設(shè)置參與建模的字段和目標(biāo)字段的，可以看到其中包括兩個(gè)選項(xiàng)，“使用類型節(jié)點(diǎn)設(shè)置”和“使用定制設(shè)置”，這里將為用戶分別呈現(xiàn)兩種選項(xiàng)的使用方法。這里無論選擇哪個(gè)選項(xiàng)，都需要將市場分析員重點(diǎn)關(guān)注的商品包括在其中，其他商品可以不包括。
如果用戶選擇“使用類型節(jié)點(diǎn)設(shè)置”選項(xiàng)，則需要雙擊打開“類型”節(jié)點(diǎn)，將啤酒設(shè)置為目標(biāo)，將其他重點(diǎn)關(guān)注的商品設(shè)置為兩者或輸入，其他無用字段可以設(shè)置為無或輸入，如下圖所示。
圖 10. 設(shè)置字段當(dāng)選擇“使用類型節(jié)點(diǎn)設(shè)置”
如果用戶選擇“使用定制設(shè)置”選項(xiàng)，則需要將啤酒設(shè)置在“后項(xiàng)”列表中，將其他重點(diǎn)關(guān)注的商品設(shè)置在“前項(xiàng)”列表中，如下圖所示。
圖 11. 設(shè)置字段當(dāng)選擇“使用定制設(shè)置”
這里，分區(qū)允許您使用指定字段將數(shù)據(jù)分割為幾個(gè)不同的樣本，分別用于模型構(gòu)建過程中的訓(xùn)練、測試和驗(yàn)證階段。如果設(shè)置了“分區(qū)”，除了在此選擇分區(qū)字段外，還需要在“模型”選項(xiàng)卡中，勾上“使用分區(qū)數(shù)據(jù)”的選擇框。關(guān)于“分區(qū)”的概念、作用和使用方法，本文不做詳細(xì)介紹。
除此，“使用事務(wù)處理格式”選擇框，是針對于事務(wù)性數(shù)據(jù)的，如果數(shù)據(jù)為交易格式，需要勾上此選擇框，但本示例的數(shù)據(jù)為表格格式，故無需選擇。
設(shè)置好了字段后，點(diǎn)擊“模型”選項(xiàng)卡，進(jìn)入模型設(shè)置。如下圖所示。
圖 12. 設(shè)置模型選項(xiàng)卡
用戶可以在“模型名稱”處為本模型設(shè)置一個(gè)名字，如果想使用分區(qū)功能，則需要勾上“使用分區(qū)數(shù)據(jù)”選項(xiàng)。
用戶為規(guī)則模型設(shè)置一個(gè) 最低條件支持度，那么模型將從所有規(guī)則中選擇那些為真，并且其對應(yīng)的記錄的百分比大于此值的規(guī)則。如果您獲得的規(guī)則適用于非常小的數(shù)據(jù)子集，請嘗試增加此設(shè)置。
接著，用戶需要為模型設(shè)置一個(gè) 最小規(guī)則置信度，表明正確預(yù)測的百分比。置信度低于指定標(biāo)準(zhǔn)的規(guī)則將被放棄。如果您獲得的規(guī)則太多，請嘗試增加此設(shè)置。如果您獲得的規(guī)則太少（甚至根本無法獲得規(guī)則），請嘗試降低此設(shè)置。
用戶還可以為任何規(guī)則指定“最大前項(xiàng)數(shù)”。這是一種用來限制規(guī)則復(fù)雜性的方式。如果規(guī)則太復(fù)雜或者太具體，請嘗試降低此設(shè)置。
對于“僅包含標(biāo)志變量的真值”選項(xiàng)，如果對于表格格式的數(shù)據(jù)選擇了此選項(xiàng)，則在生成的規(guī)則中只會出現(xiàn)真值。這樣使得規(guī)則更容易理解。該選項(xiàng)不適用于事務(wù)格式的數(shù)據(jù)。
為了提高建模性能，設(shè)置了“優(yōu)化”選項(xiàng)供用戶選擇。選擇“速度”可指示算法從不使用磁盤溢出，以便提高性能。選擇“內(nèi)存”可指示算法在合適的時(shí)候，以犧牲某些速度為代價(jià)使用磁盤溢出。
接下來，進(jìn)入“專家”選項(xiàng)卡，對于一般用戶，則選擇“簡單”選項(xiàng)；而對于高級用戶，則可以通過此頁面進(jìn)行微調(diào)，如下圖所示。
圖 13. 專家選項(xiàng)卡設(shè)置
關(guān)于“專家”選項(xiàng)的設(shè)置和介紹，請參見 IBM SPSS Modeler 幫助文檔。
此時(shí)，我們已經(jīng)創(chuàng)建好了關(guān)聯(lián)規(guī)則模型的整個(gè)流，點(diǎn)擊工具欄的綠色箭頭，運(yùn)行該流，會生成一個(gè)“模型”節(jié)點(diǎn)，該節(jié)點(diǎn)里包含了模型運(yùn)行結(jié)果。整個(gè)運(yùn)行后的流圖，如下圖所示。
圖 14. 關(guān)聯(lián)規(guī)則模型流圖
第六步，在得到了運(yùn)行結(jié)果后，我們雙擊打開生成的“模型”節(jié)點(diǎn)，點(diǎn)擊“顯示 / 隱藏標(biāo)準(zhǔn)菜單”下拉框，選擇“顯示所有”，結(jié)果如下圖所示。
圖 15. 模型節(jié)點(diǎn)信息
從結(jié)果可以看出，通過關(guān)聯(lián)規(guī)則模型挖掘出了三個(gè)規(guī)則，分別是規(guī)則一，購買了凍肉（frozenmeal）和罐裝蔬菜（cannedveg）的顧客都會購買啤酒（beer）；規(guī)則二，購買了凍肉的顧客都會購買啤酒；規(guī)則三，購買了罐裝蔬菜的顧客都會購買啤酒。其中，第一列代表結(jié)果，而下一列代表?xiàng)l件，后面的列包含規(guī)則信息，如置信度、支持度和提升等。
市場分析員對于模型結(jié)果的三條規(guī)則和規(guī)則信息，如何分析得出結(jié)論呢？首先分析第一條規(guī)則，購買了凍肉和罐裝蔬菜的顧客會購買啤酒，此規(guī)則中購買了凍肉和罐裝蔬菜的記錄有 173 條，占 17.3%，同時(shí)購買了凍肉、罐裝蔬菜和啤酒的記錄占 14.6%，而在購買了凍肉和罐裝蔬菜的顧客中會有 84.393% 的顧客會購買啤酒，并且提升為 2.88，表明此規(guī)則的相關(guān)性很強(qiáng)，部署能力和置信度類似，可以不考慮。對于規(guī)則二三，可以同樣分析。問題的關(guān)鍵是，哪些規(guī)則信息才能作為評判標(biāo)準(zhǔn)。通過對規(guī)則信息的分析和了解，建議將置信度和提升作為選擇規(guī)則的標(biāo)準(zhǔn)，因?yàn)橹眯哦饶芊从吵鲆?guī)則預(yù)測的準(zhǔn)確程度，提升值越大，規(guī)則的相關(guān)性越強(qiáng)。據(jù)此，可以將規(guī)則一作為分析結(jié)果。
因此可以將啤酒和凍肉、罐裝蔬菜放在一起銷售，這也正好和前面的網(wǎng)絡(luò)節(jié)點(diǎn)圖的顯示相一致。
本文通過一個(gè)實(shí)際的商業(yè)場景，引入了 IBM SPSS Modeler 關(guān)聯(lián)規(guī)則模型，首先給出了關(guān)聯(lián)規(guī)則的相關(guān)概念，接著帶領(lǐng)您一步一步的創(chuàng)建了數(shù)據(jù)流，并且介紹了模型的建立和設(shè)置，并且對結(jié)果進(jìn)行了分析。您可以將本模型應(yīng)用到其他的場景中，如網(wǎng)絡(luò)日志分析、銀行潛在客戶分析、電子商務(wù)的捆綁銷售等。
