我们在前面的内容中已经介绍了关联规则Apriori的基本步骤——生成候选项集和剪枝。这种算法实际上是一个不断迭代的过程，先选出符合阈值的包含一种商品的组合（1-项集），然后再次基础上选出符合阈值的包含两种商品的组合（2-项集），以此类推就可以筛选出符合阈值的多种商品的组合。
在Tableau中我们不能使用迭代的方式，只能退而求其次使用Join联接的方式，完成类似的过程。为了更加清晰的展示数据处理的过程，我们以Tableau Prep为例进行分部操作。
我们模拟一个简单的销售数据集（如下图）：
导入数据集后，将数据集复制一份，为了区分项集的前项和后项，也就是原理公式中的A项和B项，我们先对数据集的标题进行改名操作，然后依据“订单ID”字段进行Join联接。
通过Join联接之后，我们就可以构造“商品组合(频繁项集)”了，这里实际上构造的是2-项集，也就是两种商品的组合。
最后我们可以根据支持度、置信度和提升度的公式计算这三个指标。
总订单数：{FIXED:COUNTD([B订单ID]) }
购买A商品的次数：{ FIXED [A商品名称]:COUNTD([A订单ID])}
购买B商品的次数：{ FIXED [B商品名称]:COUNTD([B订单ID])}
同时购买AB商品订单数：{ FIXED [商品组合(频繁项集)]:COUNTD([A订单ID])}
支持度：[同时购买AB商品订单数]/[总订单数]
置信度(A->B)：[同时购买AB商品订单数]/[购买A商品的次数]
提升度(A->B)：[置信度(A->B)]/([购买B商品的次数]/[总订单数])
计算过程和结果如下图所示：
自此，我们将所有商品组合（频繁项集）的三个指标都算出来了，然后我们自己设定的3个指标阈值进行筛选操作，筛选出我们所需要的强关联规则。对于置信度和提升度来说，同样的商品组合，数据前项和后项的不同可能会影响到计算的结果，比如{鸡蛋牛奶}和{牛奶鸡蛋}的组合，根据计算公式支持度一样，但置信度和提升度可能不一样。如果只关心商品组合，这些细微差异也不一定影响最终的筛选结果，有可能{牛奶鸡蛋}的组合被筛选掉了，{鸡蛋牛奶}的组合还在，并不影响对组合的判断。
这里我们只做了两种商品组合的判断，对于一般的分析已经足够，如果是3种商品的组合，计算难度也会有所上升。要将3张表Join联接到一起，同时因为剪枝的过程只能放在最后，导致计算效率会大大降低，我个人并不推荐在Tableau中进行尝试。毕竟Apriori算法是数据挖掘算法中的一种，使用专业的数据挖掘工具更为有效。下一篇文章我们分别使用Knime和Python的数据挖掘算法进行计算，效率提升更为明显。
另外，Tableau Desktop中也可以通过Join和关系（relationship）来完成数据连接，计算过程也可以通过添加计算字段的方式完成，最后还可以通过购物篮分析矩阵可视化计算结果，这也是利用Tableau进行购物篮分析的常用方式。
如下图所示的购物篮分析矩阵，这里只简单的计算了订单ID的数据量，并没有进行复杂的指标计算，也可以实现寻找关联规则的目的。当然，如果将颜色和标签替换成上面提到的指标，也是不错的方案，大家可以自行尝试。
喜乐君（吴玉鹏）老师在他的公众号和网站中，也有使用Tableau Desktop完成购物篮分析的相关案例，推荐大家参考学习。
网友评论