知識之源

我們的生活和電腦息息相關，由早上起床開始，我們的一舉一動，其實也會有電腦在記錄，例如我們出門口乘撘升降機的時間，利用八達通使用交通工具，到商店以信用卡或以八達通來付款，我們無論身處何方，我們口袋裡的手提電話便會跟最近的發射站接上，變相是把我們的手機(亦即是我們)的位置留在電訊商的紀錄裡。這次我不是想討論私隱問題，而是想談談當一些機構記錄了我們的行為之後，他們可以做些什麼？

在計算機科學裡，有一門學問便是去從眾多客戶的數據之中，推算出有用的資料，為的是將來能作出更適合客戶的服務。這門學問名為數據發掘(Data mining)，近年亦流行了另一個字眼，大數據(Big Data)，這門學問便是要在海量的數據量找出知識，所以又有另一個相關的用語，機械學習(Machine Learning)。

數據發掘中的關聯規則(Association rule)便是用以找出數據中的事項的關係，例如著名的星期五買啤酒尿片現象：超級市場利用數據發掘技術，研究客戶購物的習慣，他們發現在星期五當天，很多人同時購買啤酒和尿片，因此，超級市場便可以把售賣啤酒和尿片的位置放在附近。

關聯規則定義了兩個數量，confidence和support。confidence的定義是在所有事項裡，甲事項和乙事項同時出現的次數，在所有事項裡甲事項出現的次數的比例(或百份率)。而support的定義是甲事項和乙事項同時出現，在所有事項中的比例(或百份率)，當這兩個數值都是高於某預先設計的值，我們便宣稱甲事項和乙事項為有關。

以下是一個例子，在一千次事項之多，甲出現次數為十次，而甲事項和乙事項同時出現為八次，那麼confidence是80%(八次甲和乙一齊出現，除以甲出現了十次)，而support則是0.8%(八次甲和乙一起出現，除以所有事項一千次)。

有沒有想過我們生活之中，其實有時也用了這關聯規則來認知我們身處的世界？例如有一位女性，他的男朋友是一位保險經紀，所以他每天午飯都是和不同的客戶進餐，例如一年之中，便和二百個客戶進午餐，而當中便有一百個女性客戶，另外，當年便和某女性客戶進了兩次午餐，如果以甲事項為男朋友和女性客戶進午餐，而乙事項為男朋友和某女性客戶進午餐，根據以上定義，confidence是2%而support是1%，由此可見，這位女性不用擔心其男朋友和那女性客戶有什麼「關聯」。

但是如果換上另外一些數字，例如那女性的男朋友是一位於辦公室工作的職員，他每天都和同事外出進午餐，一年裡的二百五十個工作天，便有一百五十個工作天只和一位同事進午餐，而當中和同一位女同事進午餐的日子便有一百個工作天，如果用相同甲乙事項定義，男朋友和這位女同事共進午餐的confidence和support分別是66.7%和40%。如此，這女性真的要擔心她男朋友和這女同事是否有什麼關聯。

舉另一個例子，例如某兩個頑皮學生會在課室內搗亂，某學年裡AB兩個學生上了一百堂，都是搗亂了十次，學生A在所有十個科目都會搗亂，而學生B則只在某一科目搗亂，如果以甲事項為學生搗亂，而乙事項為當時為某一科，學生A在某一科搗亂的confidence和support為1%和1%，而學生B在他會搗亂的科目的confidence和support為100%和10%。由此可見，學生A搗亂和上那一科目無關，而學生B搗亂和上那一科目較明顯有相關，至於學生B為什麼會在那某一科目搗亂，則要老師繼續跟進了。

我們的心目中不會真的去計算confidence和support，但是卻會去主觀性以所見所聞去改變confidence和support，到了confidence和support到達某一點時，便會作出某一推論，跟著便會嘗試找出原因。數據發掘便是以方程式量化了我們心中主觀的學習識知模式，相當有趣。

說了那麼多，其實只是一句，數據發掘告訴我們，如果某兩件事偶一出現，只是個別事件，不能代表這兩件事有關，但是如果這兩件事一同出現的次數越來越多，這兩件事定必有其關聯，慢慢我們可以這關聯作為一新知識，至於其背後原因是什麼，則須要當事人去思考了。