数据挖掘怎么做关联性分析呢？

最新推荐文章于 2024-04-03 22:46:22 发布
最新推荐文章于 2024-04-03 22:46:22 发布
阅读量3.3k 收藏 16
点赞数 1
分类专栏： 数据分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/amsonga/article/details/108885715
版权
本文介绍了如何利用数据挖掘中的关联规则分析，以购物篮为例，展示从创建数据集到模型应用的过程。通过亿信华辰的豌豆DM平台，分析订单数据，找出商品之间的关联度，从而实现个性化推荐，提高购物体验和销量。例如，购买牛油果和洋姜的顾客可能会被推荐喜力啤酒，购买橄榄和腌牛肉的顾客可能会被推荐胶鲜鱼。
摘要由CSDN通过智能技术生成

大家打开某宝，会发现，购物网站越来越懂我们了，推荐的商品正好就是我们想买的。其实这里面用到了数据挖掘中的关联规则，是典型的应用。类似应用还有很多，例如：资讯类APP的推荐（今日头条）；微博推荐等。

接下来我们以购物篮这个典型的应用来为大家介绍，在购物场景下，是如何做关联分析，并帮助购物者更快速买到自己想要的东西。

全文讲解中所用到的产品是由亿信华辰提供的数据挖掘平台豌豆DM。

整个过程分为以下几个步骤：

应用目标：从订单数据集中找出关联度较高的商品。

创建数据集

下图的数据集为某商城的订单数据集（1000条订单号，20个商品类别）。

数据探索

首先通过豌豆DM提供的数据探索功能，查看数据是否存在缺失值，如果缺失应通过数据预处理功能，剔除缺失的数据。通过数据探索发现，该数据集的完整性较好，不需要做数据预处理。

构建模型

然后创建关联规则的挖掘过程，选择FP-Growth或Apriori算

最低0.47元/天 解锁文章
宋懵懵的数据生活
关注
专栏目录
基于差分分级和关联规则挖掘的气象数据关联性分析实战
Together_CZ的博客
12-21 1401
本文的主要研究主要是基于一批历史的气象数据来挖掘不同天气形势下的关联性，对空气质量的管控和分析提供合理的指导意见，技术是通用性的，问题是具体业务场景里面的，最初接触到这个任务的时候着实没有特别清晰的实现思路，就我以往的实践经验来水，数据之间的关联性往往会借助于关联规则挖掘算法来实现固有关联规则或者是潜在关联规则的挖掘，数据之间的相似性往往会借助于相似度算法来完成计算，在前者的任务场景...
数据挖掘中的关联分析方法
酱油家的老陈醋
08-15 5149
关联规则是揭示事物之间的某种联系，支持度与置信总是伴随着关联规则存在，是对关联规则的必要补充。 支持度和置信度 例子：购买计算机的客户趋向于购买财务管理软件的关联规则表示：     计算机=>财务管理软件【support = 2%，confidence = 60%】 支持度：表示有2%的用户同时购买了计算机和财务管理软件； 置信度：表示购买计算机顾客中
使用Apriori算法和FP-growth算法进行关联分析
weixin_30544657的博客
05-17 1649
系列文章：《机器学习实战》学习笔记 最近看了《机器学习实战》中的第11章（使用Apriori算法进行关联分析）和第12章（使用FP-growth算法来高效发现频繁项集）。正如章节标题所示，这两章讲了无监督机器学习方法中的关联分析问题。关联分析可以用于回答"哪些商品经常被同时购买？"之类的问题。书中举了一些关联分析的例子: 通过查看哪些商品经常在一起购买，可以帮助商店了解用户的购买行为。这种...
数据关联分析：实现实时分析与预测
AI天才研究院
12-27 1297
1.背景介绍 数据关联分析是一种广泛应用于数据挖掘和人工智能领域的方法，它旨在发现数据之间存在的关联关系，从而实现对数据的实时分析和预测。在大数据时代，数据关联分析的重要性更加凸显，因为它可以帮助企业更好地理解客户需求、优化业务流程、提高效率和降低成本。 在本文中，我们将从以下几个方面进行深入探讨： 背景介绍 核心概念与联系 核心算法原理和具体操作步骤以及数学模型公式详细讲解 具体代码实例...
数据挖掘之关联分析
wangsir1988的博客
08-11 1865
数据挖掘之关联分析最近由于项目的原因，需要对伴随车辆进行检查，因此了解和掌握了关联分析，现在抽空进行整理，本文将以简单例子开始，一步一步讲述关联分析的概念，过程及方法。 购物篮分析 关联分析 Aprior算法 FPGrowth算法 购物篮分析 关联分析中最为经典的用法：某超市通过对大量用户购物清单数据进行分析后发现：购买尿布的顾客，往往都会购买啤酒。因此重新调整尿布和啤酒的位置，结果使得两个商品
四.数据关联性分析
tyh751734196的博客
08-03 4300
数据关联分析用于挖掘数据对象之间的关系,例如啤酒和尿布的案例 一.基本概念 通过实例认识项集,支持度,频繁项集,关联规则,置信度,强关联规则,支持度,置信度 运动器的历史购买数据 | TID | 网球拍 | 网球 | 运动鞋 | 羽毛球 | | — | — | — | — | — | | 1 | 1 | 1 | 1 | 0 | | 2 | 1 | 1 | 0 | 0 | | 3 | 1 | 0 | 0 | 0 | | 4 | 1 | 0 | 1
数据挖掘|关联分析与Apriori算法详解
最新发布
皖山文武
04-03 4132
关联规则分析（Association-rules Analysis）是数据挖掘领域的一个重要方法，它是以某种方式分析数据源，从数据样本集中发现一些潜在有用的信息和不同数据样本之间关系的过程。 关联是指在两个或多个变量之间存在某种规律性，但关联并不一定意味着因果关系。 关联规则是寻找在同一事件中出现的不同项目的相关性，关联分析是挖掘关联规则的过程。 比如在一次购买活动中所买不同商品的相关性。
关联规则挖掘_Apriori_数据挖掘_关联规则挖掘_
10-02
关联规则挖掘是数据挖掘领域中的一个重要方法，它用于发现数据集中项集之间的有趣关系，比如购物篮分析中商品之间的关联性。在这个主题中，我们主要关注两种经典的算法：Apriori 和 FP-growth。 **Apriori 算法** ...
轻松入门机器学习数据挖掘算法——关联分析（Apriori算法）
The丶Star
05-15 5103
关联分析是一门分析技术，用于发现大量数据中，各组数据之间的联系。关联分析是探索数据之间联系的技术，而数据之间的联系，我们用关联规则来表示，表达式为：{X}→{Y}（X 和 Y 之间不存在相同项）。大多数的关联分析工作，主要任务就是生成频繁项集和关联规则，从而发现隐藏的关联关系。现实工作中的“项”（商品）成百上千，真实的“事务”（交易）数以万计，确认频繁项集合关联规则，提高计算效率可以使用Apriori算法。
数据的相关性分析
CherishL_的专栏
09-05 4896
相关分析：是研究两个或两个以上变量之间相关程度大小以及用 一定函数表达现象相关关系的的方法相关分析的作用： 1.确定现象之间有有无关系 2.确定相关关系的密切程度和方向相关关系的种类： 按相关关系的程度：不相关、完全相关、不完全相关 按相关关系方向：正相关、负相关相关关系的判断 1.一般判断（定性分析） 2.散点图相关系数（r） |r|表明两变量之间的相关程度斯皮尔曼等级相关系数
数据关联分析：云计算与大规模数据处理
AI天才研究院
12-23 1356
1.背景介绍 数据关联分析是一种常见的数据挖掘技术，它主要用于发现两个数据集之间的关联关系。随着数据规模的不断增加，传统的关联分析方法已经无法满足大规模数据处理的需求。云计算技术在这里发挥了重要作用，它可以提供高性能的计算资源，以满足大规模数据处理的需求。在这篇文章中，我们将讨论数据关联分析的背景介绍、核心概念、算法原理、具体操作步骤、代码实例以及未来发展趋势与挑战。 1.1 数据关联分析的重...
关联性分析
weixin_45793418的博客
01-26 8299
​关联性分析又称关联挖掘，就是在交易数据、关系数据或其他信息载体中，查找存在于项目集合或对象集合之间的频繁模式、关联、相关性或因果结果。通俗地讲就是发现各种商品之间的关系，一种商品的售卖是否会影响另一种商品的售卖，这些数据可以用于用户推荐系统。 比较形象一点的案例就是商场里的货架物品摆放。在美国有这样一家奇怪的超市，它将啤酒与尿布这样两个奇怪的东西放在一起进行销售，并且最终让啤酒与尿布这两个看起来没有关联的东西的销量双双增加，这家超市的名字叫做沃尔玛，后来经过市场研究，发现美国的太太们常叮嘱她们的丈夫下班后
数据探索：相关性分析
云飞扬°的博客
08-21 1280
# 数据读取 import pandas as pd df=pd.read_excel('../data/regression.xlsx',index_col='分行编号') # 设置字体 from pylab import mpl mpl.rcParams['font.sans-serif']=['FangSong'] # ---散点图--- import matplotlib....
关系数据关联性分析实验
weixin_44355584的博客
10-08 564
掌握关系数据的相关性概念；掌握pandas读取sql/csv/excel数据的方法；掌握ggplot 库绘制图形的原理及绘制点图、线图的方式
关联性——相关性分析
热门推荐
路的博客
06-28 1万+
相关分析是对变量两两之间的相关程度进行分析。相关分析的计算方式有三种，分别是 Pearson 相关系数（适用于定量数据，且数据满足正态分布）、Spearman 相关系数（数据不满足正态分布时或者定序数据使用）。Kendall's tau -b 相关系数（定序变量）​输入：两个或者两个以上的定量变量或定序变量输出：两两变量之间是否呈现显著性相似以及相似的程度​人的身高和体重之间；空气中的相对湿度与降雨量之间的相关关系都是相关分析研究的问题1.定类变量：只能区分为某一类别，类别平等2.定序变量：只能区分为某一类
实验六、数据挖掘之关联分析
qq_51302626的博客
05-20 2635
实验六、数据挖掘之关联分析 一、实验目的 1. 理解Apriori算法的基本原理 2. 理解FP增长算法的基本原理 3. 学会用python实现Apriori算法 4. 学会用python实现FP增长算法 二、实验工具 1. Anaconda 2. sklearn 3. Pandas 三、实验简介 Apriori算法在发现关联规则领域具有很大影响力。算法命名源于算法使用了频繁项集性质的先验（prior）知识。在具体实验时，Apriori算法将发现关联规则的过程分为两个步骤：第一步通过迭代，检索出事务数据库中
数据相关性
qq_38882117的博客
07-27 481
代码来自《Python数据分析与实战》 import pandas as pd catering_sale='../data/catering_sale_all.xls' data=pd.read_excel(catering_sale,index_col=u'日期') data.corr()#corr()计算数据样本的相关矩阵系数 data.corr()[u'百合酱蒸凤爪']#只显示'百...
数据挖掘：关联分析原理及python实现
Cachel Wood的博客
03-03 1536
文章目录基本概念核心方法 基本概念 关联性：共同出现，相关 基于产品的共同出现特征，发现能够预测产品共同出现的规则集合 频繁模式 项集：包含了一种或几种产品的集合 example:{Milk,Bread,Diaper} - K-项集：一个包含了k个产品的项集 支持度 一个项集出现的概率 support({Milk,Bread,Diaper}) = 2/5 频繁项集/频繁模式：支持度大于阈值的项集 关联规则：X→YX \rightarrow YX→Y {Milk,Diaper} →\
数据关联分析：探索多元数据关系
AI天才研究院
12-27 900
1.背景介绍 数据关联分析(Data Association Analysis, DAA)是一种用于探索多元数据关系的方法，它主要通过对数据之间的关联关系进行分析，从而揭示数据之间的隐藏关系和规律。在大数据时代，数据关联分析已经成为数据挖掘、人工智能和机器学习等领域的重要技术手段，具有广泛的应用前景。 在本文中，我们将从以下几个方面进行深入探讨： 背景介绍 核心概念与联系 核心算法原理和具...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值