適用於建立關聯規則的範例

此範例顯示如何偵測 RETAIL 範例資料集的有趣及有用的關聯規則。

若要從一組所有可能規則中選取感興趣的規則，可以使用在重要性及有趣性測量方面上的各種限制。最常見的限制是支持度及信賴度的最小臨界值。

下列呼叫顯示如何探索關聯規則。

CALL IDAX.ASSOCRULES('model=retail_assoc, intable=retail, tid=tid, item=item, maxlen=6, minsupport=0.01, minconf=0.5');

此呼叫會對 Retail 資料集執行演算法，並要求下列規則：

  1. 常用項目集及規則，對 1% 以上的交易具有絕對支持度
  2. 具有 50 % 以上信賴度的規則
  3. 6 個以內的規則的項目數上限 (maxlen)

若要檢查建置模型，您可以使用 PRINT_MODEL 儲存程序，如下列範例所示：

CALL IDAX.PRINT_MODEL('model=retail_assoc, minlen=3, minconf=0.75, minlift=1.5');

在這個範例中，額外的規則選擇過濾器限制所呈現的規則數目，如下所示：

  1. 規則項目數下限 (minlen)
  2. 最小信賴度 (minconf)
  3. 最小提升率 (minlift)

套用此限制之後，RETAIL_ASSOC 模型所呈現的規則數目會從 95 降低為 7。

使用 PRUNE_ASSOCRULES 儲存程序來套用相同的限制，可以將此模型減少為這七個規則，如下列範例所示：

CALL IDAX.PRUNE_ASSOCRULES('model=retail_assoc, minlen=3, minconf=0.75, minlift=1.5');

PREDICT_ASSOCRULES 儲存程序預測模型的七個規則當中，哪一個與新交易有最佳關聯，如下列範例所示：

CALL IDAX.PREDICT_ASSOCRULES('model=retail_assoc, intable=retail, outtable=retail_assoc_out');