全文鏈接：http://tecdat.cn/?p=30360

原文出處：拓端數(shù)據(jù)部落公眾號

隨著網(wǎng)絡(luò)的迅速發(fā)展，依托于網(wǎng)絡(luò)的購物作為一種新型的消費方式，在全國乃至全球范圍內(nèi)飛速發(fā)展。電子商務(wù)成為越來越多消費者購物的重要途徑。我們被客戶要求撰寫關(guān)于網(wǎng)絡(luò)購物行為的研究報告。

項目計劃使用數(shù)據(jù)挖掘的方法,以京東商城網(wǎng)購用戶的網(wǎng)絡(luò)購物數(shù)據(jù)為基礎(chǔ),對網(wǎng)絡(luò)購物行為的三個要素：行為過程、行為結(jié)果、行為主體進(jìn)行分析。

（1）使用關(guān)聯(lián)規(guī)則分析方法分析網(wǎng)絡(luò)購物用戶的行為過程,分別探析信譽度、搜索排名對網(wǎng)購用戶購買決策的影響程度；

（2）使用聚類分析方法,對網(wǎng)購用戶的行為結(jié)果進(jìn)行討論,發(fā)現(xiàn)不同網(wǎng)購群體的網(wǎng)購習(xí)慣和特征；

（3）使用分類/預(yù)測分析方法,對網(wǎng)購行為主體進(jìn)行研究。本項目還將引用其它研究的數(shù)據(jù)及觀點對本數(shù)據(jù)分析所得結(jié)論進(jìn)行比較驗證。

本項目的結(jié)論為以京東商城為代表的網(wǎng)購平臺運營商、商家提供網(wǎng)站管理、網(wǎng)店運營方面的參考,為商家制定網(wǎng)絡(luò)營銷策略提供決策支持。

關(guān)聯(lián)規(guī)則挖掘

? data1[,i]=as.factor(data1[,i])##將每個變量轉(zhuǎn)成因子形式} inspect(frequentsets[1:10])#查看頻繁項集

?從上面的表 可以看到部分頻繁出現(xiàn)的一些選項規(guī)則，抽取的10個頻繁項集的支持度在0.3左右。

然后查看支持度最高的前10個規(guī)則

可以看到支持度最高的前十個選項集合（稱為頻繁項集）的支持度在0.9左右，因此在下面使用apriori模型對數(shù)據(jù)進(jìn)行分析時，選取最小支持度為0.9左右，以便發(fā)現(xiàn)合適數(shù)量的規(guī)則。

set of 47 rules ? rule length distribution (lhs + rhs):sizes ?1? 2? 311 24 12? ?? Min. 1st Qu.? Median??? Mean 3rd Qu.??? Max. ? 1.000?? 2.000?? 2.000?? 2.021?? 2.500?? 3.000? summary of quality measures: ??? support???????? confidence????????? lift?????? ?Min.?? :0.9000?? Min.?? :0.9000?? Min.?? :0.9977? ?1st Qu.:0.9050?? 1st Qu.:0.9400?? 1st Qu.:1.0000? ?Median :0.9150?? Median :0.9585?? Median :1.0043? ?Mean?? :0.9191?? Mean?? :0.9572?? Mean?? :1.0043? ?3rd Qu.:0.9300?? 3rd Qu.:0.9846?? 3rd Qu.:1.0083? ?Max.?? :0.9850?? Max.?? :0.9945?? Max.?? :1.0141? ? mining info: ? data ntransactions support confidence ?trans?????????? 200???? 0.9??????? 0.3

?

?

我們得到規(guī)則的概述，可以看到他們的支持度在0.9到0.98之間，置信度也非常高，說明這些規(guī)則具有較高的的可預(yù)測度（Predictability）。因此從這些規(guī)則可以得到比較可靠的推斷結(jié)論。置信度太低的規(guī)則在實際應(yīng)用中也不會有多大用處。

從規(guī)則中剔除掉其他選項的規(guī)則后，我們得到以上的規(guī)則，從以上規(guī)則，我們可以看出網(wǎng)購用戶大多通過論壇或者社區(qū)的彈窗信息進(jìn)入網(wǎng)購的頁面，他們在論壇中看到了某些用戶的評論，并且通過彈窗信息進(jìn)入購買，而他們選擇網(wǎng)購的原因也是因為評論真實性，看到了其他網(wǎng)購的用戶經(jīng)驗從而影響他們的購買決策。

對規(guī)則進(jìn)行可視化

plot(rules, method="grouped")

上圖表示支持度和置信度的二維散點圖，從上圖來看，規(guī)則的置信度和支持度較高，大部分規(guī)則位于左上方，說明規(guī)則大多有較高的置信度，具有較好的可信性。

上圖表示規(guī)則前項和規(guī)則后項的聯(lián)系，圖中的點越大表示規(guī)則的支持度越高，可以看到規(guī)則中社區(qū)論壇進(jìn)入購買頁面和選擇網(wǎng)購原因是評論真實之間有較高的支持度。

上圖是一個規(guī)則的網(wǎng)絡(luò)圖表示，箭頭表示規(guī)則之間的遞推關(guān)系。從上圖我們也可以直觀地看到我們得到的規(guī)則。

d=dist(data2)#對數(shù)據(jù)的樣本求歐幾里得距離?hmod=hclust(d)#使用歐幾里得距離對樣本進(jìn)行層次聚類

從樹狀圖的結(jié)果來看，使用高度為60左右對樹狀圖進(jìn)行橫截，所有樣本大致可以分成4類。

cent <- rbind(cent, colMeans(data2[memb == k, , drop = FALSE]))#篩選出第4層次以上的樣本} hc1 <- hclust(dist(cent)^2, method = "cen", members = table(memb))#重新對新樣本進(jìn)行層次聚類opar <- par(mfrow = c(1, 2))

上圖是對樹重新進(jìn)行層次聚類的結(jié)果與原來樹的對比，從左邊 我們可以i看到，樹具有4個分支，因此可以認(rèn)為樣本大致可以聚成4類。

kmeans聚類

fitted(kc);? #查看具體聚類情況??#聚類結(jié)果可視化??plot(data2[,c(1:20)], col = kc$cluster);? #不同的顏色代表不同的聚類結(jié)果。

上圖表示不同問題選項之間樣本的聚類情況，不同的顏色代表不同的樣本，可以看到不同顏色的類別分別聚到了不同的類中，因此類別之間的區(qū)分效果良好。

可以看到紅色類用戶的Q2，Q7，Q11得分較高Q4得分較低，Q21得分較高，藍(lán)色用戶Q10Q23的得分較高，黑色用戶的得分分布比較普遍，在每個問題中不同選項均有分布。綠色用戶Q2，Q19得分較低，Q10的得分較高。

可以看到紅色用戶大多是年齡較大，4線城市的用戶，接觸網(wǎng)購不多，因此也不會使用手機電腦網(wǎng)絡(luò)等方式進(jìn)入網(wǎng)購頁面。藍(lán)色用戶代表接觸網(wǎng)購時間較長的用戶，他們進(jìn)入網(wǎng)絡(luò)頁面的方式大多是搜索引擎，他們大多熟悉網(wǎng)購操作，對自己需要的商品也比較熟悉，然而一般對網(wǎng)購不進(jìn)行評論，除非對商品非常滿意。綠色是年齡較小的用戶，但是他們接觸網(wǎng)絡(luò)的時間也較長，大多是青少年，因此接觸新興事物的興趣較大，因此他們的網(wǎng)購花費較低，但是網(wǎng)購的頻率較高。

決策樹

將Q30_總體而言，您對網(wǎng)購是否滿意？的答案作為網(wǎng)購用戶分類的分類目標(biāo)屬性，使用其他屬性作為分類屬性，對數(shù)據(jù)進(jìn)行分類

draw.tree(CARTmodel) ## 交叉驗證的估計誤差（“xerror”列），以及標(biāo)準(zhǔn)誤差(“xstd”列)，平均相對誤差=xerror±xstd?printcp(CARTmodel)

> CARTmodel$cptable[which.min(CARTmodel$cptable[,"xerror"]),"CP"] [1] 0.04938272

根據(jù)最小誤差的最小變異系數(shù)來對樹進(jìn)行剪枝。

得到剪枝后的決策樹。

從決策樹圖來看 ，我們可以發(fā)現(xiàn)問題的選項作為決策樹的分支，分別將年齡，網(wǎng)購歷史，網(wǎng)站購物主要看重的因素，喜歡的促銷方式和網(wǎng)購花費作為決策條件，將樣本分成了8個類別。

并使用決策樹進(jìn)行對樣本的預(yù)測。

> table(pre,data2$Q30)#混淆矩陣?? pre? 3? 4? 5? 6 ? 3 20? 9? 2? 0 ? 4? 9 74? 9? 1 ? 5? 6 13 34? 0 ? 6? 0? 0? 0? 0

從混淆矩陣的結(jié)果來看，對4個類別的預(yù)測效果較好，說明模型的擬合效果良好。

最受歡迎的見解

1.PYTHON用戶流失數(shù)據(jù)挖掘：建立邏輯回歸、XGBOOST、隨機森林、決策樹、支持向量機、樸素貝葉斯模型和KMEANS聚類用戶畫像

2.R語言基于樹的方法：決策樹，隨機森林

3.python中使用scikit-learn和pandas決策樹

4.機器學(xué)習(xí)：在SAS中運行隨機森林?jǐn)?shù)據(jù)分析報告

5.R語言用隨機森林和文本挖掘提高航空公司客戶滿意度

6.機器學(xué)習(xí)助推快時尚精準(zhǔn)銷售時間序列

7.用機器學(xué)習(xí)識別不斷變化的股市狀況——隱馬爾可夫模型的應(yīng)用

8.python機器學(xué)習(xí)：推薦系統(tǒng)實現(xiàn)（以矩陣分解來協(xié)同過濾）

9.python中用pytorch機器學(xué)習(xí)分類預(yù)測銀行客戶流失