全文鏈接：http://tecdat.cn/?p=32150

最近我們被客戶要求撰寫(xiě)關(guān)于Apriori關(guān)聯(lián)規(guī)則的研究報(bào)告，包括一些圖形和統(tǒng)計(jì)輸出。

隨著大數(shù)據(jù)時(shí)代的來(lái)臨，如何從海量的存儲(chǔ)數(shù)據(jù)中發(fā)現(xiàn)有價(jià)值的信息或知識(shí)幫助用戶更好決策是一項(xiàng)非常艱巨的任務(wù)?（?點(diǎn)擊文末“閱讀原文”獲取完整代碼數(shù)據(jù)********?）。

數(shù)據(jù)挖掘正是為了滿足此種需求而迅速發(fā)展起來(lái)的，它是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在的有用信息和知識(shí)的過(guò)程。由于大數(shù)據(jù)技術(shù)的發(fā)展，零售企業(yè)可以利用互聯(lián)網(wǎng)收集大量的銷售數(shù)據(jù)，這些數(shù)據(jù)是一條條的購(gòu)買(mǎi)事務(wù)信息，每條信息存儲(chǔ)了銷售事務(wù)的處理時(shí)間，顧客所購(gòu)買(mǎi)的商品、各種商品的數(shù)量以及價(jià)格等。如果對(duì)這些歷史數(shù)據(jù)進(jìn)行分析，則可以對(duì)理解分析顧客的購(gòu)買(mǎi)行為提供有價(jià)值的信息。

數(shù)據(jù)建模

數(shù)據(jù)來(lái)源

本次分析的數(shù)據(jù)來(lái)自電商網(wǎng)站交易數(shù)據(jù)文件?（?查看文末了解數(shù)據(jù)免費(fèi)獲取方式?）?。

指標(biāo)選取

本次分析一共選取了17個(gè)指標(biāo)600個(gè)樣本，分別是：ID號(hào)、平均購(gòu)物額度、購(gòu)物總次數(shù)、交易成功次數(shù)、信用等級(jí)、購(gòu)物積分。

指標(biāo)介紹

（1）ID號(hào)：購(gòu)網(wǎng)網(wǎng)站上的網(wǎng)購(gòu)客戶ID ；

（2）平均購(gòu)物額度：網(wǎng)購(gòu)客戶平均的網(wǎng)購(gòu)服務(wù)的金額；

（3）購(gòu)物總次數(shù)：網(wǎng)購(gòu)客戶的每個(gè)月購(gòu)物次數(shù)；

（4）交易成功次數(shù)：網(wǎng)購(gòu)客戶的交易成功次數(shù)；

（5）信用等級(jí)：網(wǎng)購(gòu)客戶的購(gòu)物信用等級(jí)；

（6）購(gòu)物積分：網(wǎng)購(gòu)客戶購(gòu)物的積分；

（7）Pincome：個(gè)人年收入（萬(wàn)元）

（8）Hincome：家庭年收入（萬(wàn)元）

（9）Age：年齡

（10）Gender：性別（0：女；1：男）

（11）Car：家庭擁有汽車(chē)的數(shù)量

（12）Education：教育水平（1：初中及以下；2：高中；3：專科；4：本科；5：研究生）

（13）Job：工作類型（1：公司職員；2：工廠工人；3：公務(wù)員；4：個(gè)體；5：事業(yè)單位；6：其他）

（14）People：家里人口數(shù)量

（15）Children：家里未成年人數(shù)量

（16）Housing：房屋擁有類型（0：租房；1：買(mǎi)房）

（17）Area：房屋居住面積（平方米）

?數(shù)據(jù)審核

由上表，可得：本次分析的數(shù)據(jù)都是有效的，不存在缺失值。

點(diǎn)擊標(biāo)題查閱往期內(nèi)容

R語(yǔ)言APRIORI關(guān)聯(lián)規(guī)則、K-MEANS均值聚類分析中藥專利復(fù)方治療用藥規(guī)律網(wǎng)絡(luò)可視化

左右滑動(dòng)查看更多

01

02

03

04

描述性統(tǒng)計(jì)量

由上表，可得：月服務(wù)、年齡、居住時(shí)間、收入、工作時(shí)間、家庭人數(shù)、長(zhǎng)途距離、免費(fèi)通信這8個(gè)變量的均值分別為：35.526、41.684、11.551、77.535、10.987、2.331、11.723、13.274，可以看出這8個(gè)連續(xù)性變量不存在量綱上的差異，因此在后面的分析中，不需要進(jìn)行標(biāo)準(zhǔn)化處理。同時(shí)，這8個(gè)變量之間存在較強(qiáng)的線性相關(guān)性，說(shuō)明變量之間存在嚴(yán)重的多重共線性，可以考慮對(duì)變量進(jìn)行降維后在進(jìn)行分析。

?

數(shù)據(jù)歸一化

在進(jìn)行分類之前，為消除量綱的差別，首先對(duì)屬性進(jìn)行歸一化處理。

?

Weka數(shù)據(jù)挖掘流程

數(shù)據(jù)挖掘一般是指從數(shù)據(jù)庫(kù)的大量數(shù)據(jù)中揭示出隱含的、先前未知的并有潛在價(jià)值的信息的非平凡過(guò)程，是一種決策支持過(guò)程。它實(shí)現(xiàn)的過(guò)程大致可分為：?jiǎn)栴}定義、數(shù)據(jù)收集和預(yù)處理、數(shù)據(jù)挖掘、算法執(zhí)行，以及結(jié)果的分析和評(píng)估。

（1）問(wèn)題定義

數(shù)據(jù)挖掘的目的是從海里數(shù)據(jù)中挖掘有效信息，幫助用戶更好決策。因此，在數(shù)據(jù)挖掘之前需定義明確的挖掘目標(biāo)，明確數(shù)據(jù)挖掘目的。

（2）數(shù)據(jù)收集和數(shù)據(jù)預(yù)處理

數(shù)據(jù)準(zhǔn)備又可分為三個(gè)子步驟：數(shù)據(jù)收集、數(shù)據(jù)預(yù)處理和數(shù)據(jù)變換。數(shù)據(jù)收集是指收集所有與挖掘業(yè)務(wù)對(duì)象相關(guān)的外部和內(nèi)部數(shù)據(jù)，從獲取的原始數(shù)據(jù)中，選擇出需要挖掘的信息數(shù)據(jù)，建立挖掘原始數(shù)據(jù)庫(kù)。在建立的挖掘原始數(shù)據(jù)庫(kù)中，其數(shù)據(jù)可能是不完全的、有噪聲的、隨機(jī)的、復(fù)雜的，數(shù)據(jù)預(yù)處理數(shù)據(jù)就要對(duì)數(shù)據(jù)進(jìn)行過(guò)濾，清洗掉不完全的、有噪聲的數(shù)據(jù)，為下一步的分析工作做準(zhǔn)備。數(shù)據(jù)轉(zhuǎn)換是指格式化數(shù)據(jù)，并將其加載到適合分析的存儲(chǔ)環(huán)境中，形成最終的挖掘數(shù)據(jù)庫(kù)。

（3）數(shù)據(jù)挖掘

算法執(zhí)行階段主要根據(jù)對(duì)問(wèn)題的定義明確挖掘的任務(wù)或目的，數(shù)據(jù)挖掘是指選擇合適的挖掘算法，對(duì)轉(zhuǎn)換過(guò)的數(shù)據(jù)庫(kù)進(jìn)行有效挖掘，此階段選好挖掘算法是關(guān)鍵。

（4）結(jié)果分析和評(píng)估

數(shù)據(jù)挖掘階段發(fā)現(xiàn)的模式，經(jīng)過(guò)評(píng)估，可能存在冗余或無(wú)關(guān)的模式，這時(shí)需要剔除；模式也有可能不滿足用戶要求，這時(shí)則需要整個(gè)發(fā)現(xiàn)過(guò)程回退到前一個(gè)階段，如重新選取數(shù)據(jù)、采用新的數(shù)據(jù)變換方法、設(shè)定新的參數(shù)值，甚至換一種算法等。

?

模型的實(shí)際應(yīng)用

研究數(shù)據(jù)說(shuō)明

本文數(shù)據(jù)來(lái)源于平臺(tái)后臺(tái)數(shù)據(jù)庫(kù)中歷史交易信息，包括網(wǎng)購(gòu)相關(guān)信息以及網(wǎng)購(gòu)用戶信息等。

經(jīng)過(guò)數(shù)據(jù)篩選梳理，最終研究的樣本包括999條網(wǎng)購(gòu)列表。其中，248審核未通過(guò)的有條；209條是網(wǎng)購(gòu)放棄；542條成功網(wǎng)購(gòu)，169條已還完網(wǎng)購(gòu)。成功交易總額達(dá)3090.93萬(wàn)元。

網(wǎng)購(gòu)用戶關(guān)聯(lián)規(guī)則算法分析設(shè)計(jì)

本文分別用Apriori算法對(duì)數(shù)據(jù)進(jìn)行處理挖掘，具體結(jié)果如下所示。

（1）Apriori算法

?雖然 Apriori 算法可以直接挖掘生成表中的交易數(shù)據(jù)集，但是為了關(guān)聯(lián)挖掘其他算法的需要先把交易數(shù)據(jù)集轉(zhuǎn)換成分析數(shù)據(jù)集，構(gòu)建的數(shù)據(jù)流程圖如圖 1 所示。

圖?1?商品關(guān)聯(lián)規(guī)則?Apriori?算法挖掘流圖

關(guān)聯(lián)規(guī)則模型Apriori模型參數(shù)設(shè)置

通過(guò)格式轉(zhuǎn)換， 設(shè)最低條件支持度為15%，最小規(guī)則置信度為30%，最大前項(xiàng)數(shù)為5，選擇專家模式，挖掘出最有價(jià)值的10條關(guān)聯(lián)規(guī)則，如圖所示。生成的10條規(guī)則如下所示：

分析及建議: 通過(guò)結(jié)果可以清晰的看到交易次數(shù)較多的顧客購(gòu)物成功次數(shù)比較多，另外是否有小孩、是否有房屋對(duì)顧客是否購(gòu)物成功次數(shù)也有關(guān)聯(lián)，建議網(wǎng)站可以加大對(duì)這些用戶的推薦購(gòu)買(mǎi)力度，由上述結(jié)果可知，同時(shí)購(gòu)物且成功的用戶占總用戶的的90%，有房屋的用戶成功購(gòu)物分別占總訂單數(shù)的91%，有小孩的人有91%會(huì)網(wǎng)購(gòu)， 房屋面積越大，網(wǎng)購(gòu)次數(shù)越高，由此可見(jiàn)，房屋、網(wǎng)購(gòu)、是否有小孩、網(wǎng)購(gòu)成功次數(shù)這幾個(gè)變量關(guān)聯(lián)度較高，可以對(duì)這些用戶進(jìn)行廣告策略投放，從而增加用戶網(wǎng)購(gòu)的成功率。

??

結(jié)論與展望

數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則側(cè)重于不同對(duì)象之間的聯(lián)系，本文討論了關(guān)聯(lián)規(guī)則挖掘在用戶網(wǎng)購(gòu)策略中的應(yīng)用。利用WEKA軟件，通過(guò)實(shí)例分析了頻繁項(xiàng)集及關(guān)聯(lián)規(guī)則生成的過(guò)程，采用Apriori算法對(duì)數(shù)據(jù)分別進(jìn)行了解析挖掘，針對(duì)挖掘結(jié)果提出了相應(yīng)的建議，對(duì)電商網(wǎng)站的發(fā)展有著到重要的現(xiàn)實(shí)的意義。??

數(shù)據(jù)獲取

在公眾號(hào)后臺(tái)回復(fù)“網(wǎng)購(gòu)數(shù)據(jù)”，可免費(fèi)獲取完整數(shù)據(jù)。

本文中分析的數(shù)據(jù)和完整文檔分享到會(huì)員群，掃描下面二維碼即可加群！

點(diǎn)擊文末?“閱讀原文”

獲取全文完整代碼數(shù)據(jù)資料。

本文選自《數(shù)據(jù)分享|Weka數(shù)據(jù)挖掘Apriori關(guān)聯(lián)規(guī)則算法分析用戶網(wǎng)購(gòu)數(shù)據(jù)》。

點(diǎn)擊標(biāo)題查閱往期內(nèi)容

SQL SERVER ANALYSIS SERVICES決策樹(shù)、聚類、關(guān)聯(lián)規(guī)則挖掘分析電商購(gòu)物網(wǎng)站的用戶行為數(shù)據(jù)
Python對(duì)商店數(shù)據(jù)進(jìn)行l(wèi)stm和xgboost銷售量時(shí)間序列建模預(yù)測(cè)分析
PYTHON集成機(jī)器學(xué)習(xí)：用ADABOOST、決策樹(shù)、邏輯回歸集成模型分類和回歸和網(wǎng)格搜索超參數(shù)優(yōu)化
R語(yǔ)言集成模型：提升樹(shù)boosting、隨機(jī)森林、約束最小二乘法加權(quán)平均模型融合分析時(shí)間序列數(shù)據(jù)
Python對(duì)商店數(shù)據(jù)進(jìn)行l(wèi)stm和xgboost銷售量時(shí)間序列建模預(yù)測(cè)分析
R語(yǔ)言用主成分PCA、?邏輯回歸、決策樹(shù)、隨機(jī)森林分析心臟病數(shù)據(jù)并高維可視化
R語(yǔ)言基于樹(shù)的方法：決策樹(shù)，隨機(jī)森林，Bagging，增強(qiáng)樹(shù)
R語(yǔ)言用邏輯回歸、決策樹(shù)和隨機(jī)森林對(duì)信貸數(shù)據(jù)集進(jìn)行分類預(yù)測(cè)
spss modeler用決策樹(shù)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)ST的股票
R語(yǔ)言中使用線性模型、回歸決策樹(shù)自動(dòng)組合特征因子水平
R語(yǔ)言中自編基尼系數(shù)的CART回歸決策樹(shù)的實(shí)現(xiàn)
R語(yǔ)言用rle，svm和rpart決策樹(shù)進(jìn)行時(shí)間序列預(yù)測(cè)
python在Scikit-learn中用決策樹(shù)和隨機(jī)森林預(yù)測(cè)NBA獲勝者
python中使用scikit-learn和pandas決策樹(shù)進(jìn)行iris鳶尾花數(shù)據(jù)分類建模和交叉驗(yàn)證
R語(yǔ)言里的非線性模型：多項(xiàng)式回歸、局部樣條、平滑樣條、 廣義相加模型GAM分析
R語(yǔ)言用標(biāo)準(zhǔn)最小二乘OLS，廣義相加模型GAM?，樣條函數(shù)進(jìn)行邏輯回歸LOGISTIC分類
R語(yǔ)言ISLR工資數(shù)據(jù)進(jìn)行多項(xiàng)式回歸和樣條回歸分析
R語(yǔ)言中的多項(xiàng)式回歸、局部回歸、核平滑和平滑樣條回歸模型
R語(yǔ)言用泊松Poisson回歸、GAM樣條曲線模型預(yù)測(cè)騎自行車(chē)者的數(shù)量
R語(yǔ)言分位數(shù)回歸、GAM樣條曲線、指數(shù)平滑和SARIMA對(duì)電力負(fù)荷時(shí)間序列預(yù)測(cè)R語(yǔ)言樣條曲線、決策樹(shù)、Adaboost、梯度提升(GBM)算法進(jìn)行回歸、分類和動(dòng)態(tài)可視化
如何用R語(yǔ)言在機(jī)器學(xué)習(xí)中建立集成模型？
R語(yǔ)言ARMA-EGARCH模型、集成預(yù)測(cè)算法對(duì)SPX實(shí)際波動(dòng)率進(jìn)行預(yù)測(cè)在python 深度學(xué)習(xí)Keras中計(jì)算神經(jīng)網(wǎng)絡(luò)集成模型R語(yǔ)言ARIMA集成模型預(yù)測(cè)時(shí)間序列分析R語(yǔ)言基于Bagging分類的邏輯回歸(Logistic Regression)、決策樹(shù)、森林分析心臟病患者
R語(yǔ)言基于樹(shù)的方法：決策樹(shù)，隨機(jī)森林，Bagging，增強(qiáng)樹(shù)
R語(yǔ)言基于Bootstrap的線性回歸預(yù)測(cè)置信區(qū)間估計(jì)方法
R語(yǔ)言使用bootstrap和增量法計(jì)算廣義線性模型（GLM）預(yù)測(cè)置信區(qū)間
R語(yǔ)言樣條曲線、決策樹(shù)、Adaboost、梯度提升(GBM)算法進(jìn)行回歸、分類和動(dòng)態(tài)可視化
Python對(duì)商店數(shù)據(jù)進(jìn)行l(wèi)stm和xgboost銷售量時(shí)間序列建模預(yù)測(cè)分析
R語(yǔ)言隨機(jī)森林RandomForest、邏輯回歸Logisitc預(yù)測(cè)心臟病數(shù)據(jù)和可視化分析
R語(yǔ)言用主成分PCA、?邏輯回歸、決策樹(shù)、隨機(jī)森林分析心臟病數(shù)據(jù)并高維可視化
Matlab建立SVM，KNN和樸素貝葉斯模型分類繪制ROC曲線
matlab使用分位數(shù)隨機(jī)森林（QRF）回歸樹(shù)檢測(cè)異常值