大数据案例：啤酒尿布的关联算法怎么来的？

故事背景：

在一家超市中，通过大数据分析发现了一个特别有趣的现象：尿布与啤酒这两种风马牛不相及的商品的销售数据曲线竟然初期的相似，于是就将尿布与啤酒摆在一起。没想到这一举措居然使尿布和啤酒的销量大幅增加了。这可不是一个笑话，而是一直被商家所津津乐道的发生在美国沃尔玛连锁超市的真实大数据案例。原来，美国的妇女通常在家照顾孩子，所 以她们经常会嘱咐丈夫在下班回家的路上为孩子买尿布，而丈夫在买尿布的同时又会顺手购买自己爱喝的啤酒。

这个发现为商家带来了大量的利润，但是如何从浩如烟海却又杂乱无章的大数据中，发现啤酒和尿布销售之间的联系呢?这又给了我们什么样的启示呢?

这就是关联!

关联，其实很简单，就是几个东西或者事件是经常同时出现的，“啤酒+尿布”就是非常典型的两个关联商品。所谓关联，反映的是一个事件和其他事件之间依赖或关 联的知识。当我们查找英文文献的时候，可以发现有两个英文词都能形容关联的含义。第一个是相关性relevance，第二个是关联性 association，两者都可以用来描述事件之间的关联程度。其中前者主要用在互联网的内容和文档上，比如搜索引擎算法中文档之间的关联性，我们采用 的词是relevance;而后者往往用在实际的事物之上，比如电子商务网站上的商品之间的关联度我们是用association来表示的，而关联规则是 用associationrules来表示的。

如果两项或多项属性之间存在关联，那么其中一项的属性值就可以依据其 他属性值进行预测。简单地来说，关联规则可以用这样的方式来表示：A→B，其中A被称为前提或者左部(LHS)，而B被称为结果或者右部(RHS)。如果 我们要描述关于尿布和啤酒的关联规则(买尿布的人也会买啤酒)，那么我们可以这样表示：买尿布→买啤酒。

关联算法的两个概念

在关联算法中很重要的一个概念是支持度(Support)，也就是数据集中包含某几个特定项的概率。