分析交易数据，例如产品购买和事件发生情况，以识别相互依赖或往往同时发生的事件。生成诸如基于其他事件/项目发生情况的事件/项目发生概率等指标。
请注意，数据必须采用列表格式，其中每一行标识客户或交易 ID（在一列中）和项目或事件（在另一列中）。
关联分析
- 从打开的 JMP ®数据表中，选择“分析”>“筛选”>“关联分析” 。
- 从“选择列”中选择一个分类变量，然后单击“项目” （分类变量有红色或绿色条形图）。
- 选择代表交易 ID 的变量，然后单击ID 。
- 接受默认设置（左下角），然后单击“确定” 。默认情况下，JMP 会提供以下结果表格：
- 频繁项集：支持度（出现比例）超过启动窗口中指定的最小值的项集列表。
- 规则：满足启动对话框中指定的最小支持度、最小置信度、最小提升度、最大前件数和最大规则大小要求的关联规则。
这里，我们分别按项目集和条件对表格进行了升序排序。要对表格进行排序，请右键单击表格，选择“按列排序” ，选择所需的列，选中“升序” ，然后单击“确定” 。
解释：
- 最小支持度为 0.1，最小置信度为 0.4（参见上述默认设置）。因此，除非至少 10% 的顾客购买了某个商品组合（即支持度），否则该商品组合不会出现在任何列表中。此外，除非后续商品的购买率至少达到 40%（即置信度），否则该商品组合也不会出现在规则列表中。例如，苹果和牛油果同时购买的概率为 14%。而且，当顾客同时购买了苹果和牛油果时，该顾客还有 81% 的概率会同时购买法棍面包。
- 最大前件数为 3，最大规则大小为 4。因此，规则列表仅包含三个或更少项的条件，并且任何规则包含的条件和结果项（组合）不得超过 4 个。
- 最小提升度为 1.2。提升度是置信度与支持度的比值，它衡量的是，当顾客已经购买了条件商品时，他们购买后续商品的可能性比他们通常购买后续商品的可能性高多少（或低多少）。例如，苹果、牛油果和后续法棍面包的提升度为 2.058，这意味着当顾客同时购买苹果和牛油果时，他们购买法棍面包的可能性是单独购买时的两倍多。
Example: Grocery Purchases.jmp (Help > Sample Data Folder)示例：Grocery Purchases.jmp（帮助 > 示例数据文件夹）
访问JMP 帮助中的“预测和专用模型 > 关联分析”了解更多信息。
