来一场啤酒与尿不湿的旅行——关联规则

最新推荐文章于 2024-07-20 01:00:00 发布
最新推荐文章于 2024-07-20 01:00:00 发布
阅读量2.7k 收藏 4
点赞数
分类专栏： 概率论与数理统计
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/ddxygq/article/details/86516460
版权
本文通过沃尔玛尿布与啤酒的销售案例，介绍了数据挖掘中的关联规则算法。通过对顾客购买记录的分析，利用支持度、置信度和增益等指标衡量商品之间的关联性，展示了Apriori算法在找出商品关联性中的应用。
摘要由CSDN通过智能技术生成

http://www.ikeguang.com/

在一家超市里，有一个有趣的现象：尿布和啤酒赫然摆在一起出售。但是这个奇怪的举措却使尿布和啤酒的销量双双增加了。这不是一个笑话，而是发生在美国沃尔玛连锁店超市的真实案例，并一直为商家所津津乐道。这是数据挖掘算法关联规则在实际中的成功应用案例，那么关联规则算法的理论根基又是什么呢？

了解本专栏 订阅专栏 解锁全文 超级会员免费看
大数据技术派
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
Apriori算法介绍（布尔关联规则 挖掘）啤酒尿不湿【数据挖掘 机器学习】
南七小僧的学海无涯
09-06 3705
导读： 随着大数据概念的火热，啤酒与尿布的故事广为人知。我们如何发现买啤酒的人往往也会买尿布这一规律？数据挖掘中的用于挖掘频繁项集和关联规则的Apriori算法可以告诉我们。本文首先对Apriori算法进行简介，而后进一步介绍相关的基本概念，之后详细的介绍Apriori算法的具体策略和步骤，最后给出Python实现代码。并附上小例子。 1.Apriori算法简介 Apriori算法是经典...
R语言关联分析之啤酒和尿布
王亨的博客
01-12 5225
关联分析 概述 啤酒和尿布的故事，我估计大家都听过，这是数据挖掘里面最经典的案例之一。它分析的方法就关联分析。 关联分析，顾名思义，就是研究不同商品之前的关系。这里就发现了啤酒和尿布这两个看起来毫不相关的东西直接存在的微妙关系。 最经典的关联分析算法之一就是Apriori算法，也是数据挖掘十大算法之一。在R中就有一个包可以做关联分析——arules和arulesViz，前者
啤酒和尿布：一文看懂关联规则
积小流成江河
08-23 3002
啤酒和尿布：一文看懂关联规则一、关联规则二、Apriori算法2.1 相关概念2.2 实现步骤2.3 代码实现 谈到大数据在零售业的应用，不得不提到一个经典的营销案例–啤酒和尿布的故事，有个有趣的现象——啤酒和尿布赫然摆放在一起出售，但是，这个奇怪的举措却使啤酒和尿布的销量双双增加了。这是发生在美国沃尔玛超市的真实案例，并一直为商家所津津乐道。 为人们所知的是因为男人去超市买尿布时顺手买了啤酒，所以啤酒和尿布销量增加，那么从数据和算法层面分析，大家知道为什么啤酒和尿布放在一起销量会增加吗。 一、关联规则 站
关联分析——啤酒与尿布的故事
最新发布
2303_82176667的博客
07-20 711
关联分析是一种无监督学习，它的目标就是从大数据中找出那些经常一起出现的东西，不管是商品还是其他什么 item，然后靠这些结果总结出关联规则以用于后续的商业目的或者其他项目需求。
04_从啤酒与尿布，聊关联规则推荐
专注于后端开发，时常接触大数据 、人工智能等
10-16 1269
“把啤酒放在尿布旁，有助于提升啤酒销售量”是关联规则推荐的经典案例，今天，和大家聊聊“关联规则推荐”，正文不含任何公式，保证PM弄懂。   一、概念 什么是关联规则（Association Rules）？ 答：关联规则是数据挖掘中的概念，通过分析数据，找到数据之间的关联。电商中经常用来分析购买物品之间的相关性，例如，“购买尿布的用户，有大概率购买啤酒”，这就是一个关联规则。 画外音：如果...
从啤酒和尿布讲关联规则，大数据集处理算法Apriori以及改进的PCY算法
热门推荐
ChainingBlocks
09-29 1万+
本文将讲解关联规则的相关概念、处理相关规则的一般算法、改进的大数据处理关联规则的Apriori算法以及进一步优化的PCY算法。啤酒和尿布的故事已经广为人晓。很多年轻的父亲买尿布的时候会顺便为自己买一瓶啤酒。亚马逊通过用户购买数据，使用关联规则，使用大数据的处理手段得出了尿布和啤酒的关系。除了啤酒和尿布，现实生活中存在很多类似的关联关系，一般归纳为： A事件发生，B事件很可能也会发生。 注意这里存
关联分析(Association Analysis)--挖掘啤酒与尿布的关联规则
weixin_43576422的博客
06-19 4267
通过本文我们将了解： x->y的含义 挖掘关联分析规则的两个步骤 aproori原理 算法优化–剪枝 如何生成频繁项集 没有重复的k-项候选集如何产生—>剪枝–>计数–频繁k-项集 关联分析规则的评估指标 什么是关联分析 关联分析是一种简单、实用的分析技术，就是发现存在于大量数据集中的关联性或相关性，从而描述了一个事物中某些属性同时出现的规律和模式。 关联分析是从大量数据中发现项集之间有趣的关联和相关联系。关联分析的一个典型例子是购物篮分析。该过程通过发现顾客放人其购物篮中
啤酒和尿不湿？购物篮分析、商品关联分析和关联规则算法都给你搞清楚（上—理论篇）
Data_lukyo的博客
11-30 2538
关联规则算法源于对购物小票（也叫购物篮）数据记录的挖掘，因此现在往往叫做购物篮分析，又因为研究的是商品之间关联关系，又叫做商品关联分析。
读《啤酒与尿布》——大型超市购物篮中商品关联性分析
小白兔的窝
08-03 8458
此书通过沃尔玛、家乐福等大型超经典销售案例分析，总结出人们购物车中商品内在关联。通过关联摆放促进销售额。大小超市、门店、销售人员可从书中案例吸取灵感、提升业绩。对于数据挖掘人员，有两处可借鉴：商品关联性分析、客户心里及行为模式分析。 数据挖掘人员的商品关联性分析 一、思维逻辑与经验直觉对数据分析的影响 作者一开始就收集统计数据，分析并锁定研究对象。 1 excel表格可快速做出上述表格，
尿不湿和啤酒
weixin_34144450的博客
08-25 361
很多人会问，究竟数据挖掘能够为企业做些什么？下面我们通过一个在数据挖掘中最经典的案例来解释这个问题——一个关于尿不湿与啤酒的故事。超级商业零售连锁巨无霸沃尔玛公司（Wal Mart）拥有世界上最大的数据仓库系统之一。为了能够准确了解顾客在其门店的购买习惯，沃尔玛对其顾客的购物行为进行了购物篮关联规则分析，从而知道顾客经常一起购买的商品有哪些。...
啤酒与尿布：神奇的购物篮分析
03-14
数据分析、挖掘方面入门书籍。通俗易懂，不错的书籍。。。。。。。
【数据挖掘】啤酒与尿布
weixin_51502698的博客
07-23 2785
数据挖掘基础
关联规则(理论及实例)
JamesSwifte的博客
04-05 1493
## 自定义一份购物数据集print(df)设置支持度（support）来选择频繁集选择最小支持度为50%计算规则可以指定不同的衡量标准与最小阈值针对选择这几条结果就比较有价值了洋葱和马铃薯 汉堡和马铃薯 可以搭配着来卖如果洋葱和汉堡在购物篮中，顾客买马铃薯的可能性也比较高，如果篮子里面没有，可以推荐一下。
全国计算机等级考试三级数据库技术
焱宣的博客
09-09 3640
CREATE FUNCTION – 定义一个新函数。ALTER FUNCTION – 修改一个函数的定义。DROP FUNCTION – 删除一个函数。其中UNIQUE和CLUSTERED为可选项，分别是建立唯一索引和聚簇索引。UNIQUE:表示此索引的每一个索引值只对应唯一的数据。CLUSTERED:表示要建立的索引是聚簇索引，即索引项的顺序与表中记录的物理顺序一致的索引组织。NONCLUSTERED是非聚集索引。
关联规则
u013236891的博客
05-20 1318
在描述有关关联规则的一些细节之前，先来看一个有趣的故事： "尿布与啤酒"的故事。 在一家超市里，有一个有趣的现象：尿布和啤酒赫然摆在一起出售。但是这个奇怪的举措却使尿布和啤酒的销量双双增加了。这不是一个笑话，而是发生在美国沃尔玛连锁店超市的真实案例，并一直为商家所津津乐道。沃尔玛拥有世界上最大的数据仓库系统，为了能够准确了解顾客在其门店的购买习惯，沃尔玛对其顾客的购物行为进行购物篮分析，想知道顾...
尿片与啤酒不得不说的故事
鲲鹏展翅的专栏
08-27 4459
尿片与啤酒不得不说的故事 摘要：尿片与啤酒是数据挖掘的经典传奇，是美国第一大零售商沃尔玛公司发现的消费关联模式，本文通过数据挖掘的一般过程和算法，揭示如何发现了这一经典传奇。 关键词：数据仓库、事务数据库、关联规则、支持度、置信度、相关性 数据挖掘（DataMining）就是从大量数据中提取或“挖掘”知识。 一、数据预处理 首先是构造数据仓库（DataWarehouses），数据仓库是一
基于R的数据挖掘方法与实践（2）——关联规则
三月桃城的博客
09-15 3469
关联规则是从庞大的数据中提取一系列变量或因子间关系，以探索数据的变量或项目间隐含的关系。 1、基本原理 关联规则通常用支持度、置信度、增益三个指标来分别表示其显著性、正确性和价值。通过给性最小支持度、最小置信度作为门槛值。若该规则的支持度与置信度大于门槛值，则说明该规则有助于进行推论；若该规则的增益大于1，则说明其发生的条件概率有比原先的概率提高，即该规则有效。 1.1 支持度 支持度计算
关联规则 支持度 置信度 提升度
AINLearning的博客
08-17 3818
1. 支持度（Support） 支持度是两件商品（X∩Y）在总销售笔数(N)中出现的概率，即X与Y同时被购买的概率。 X、Y同时出现的概率 Support(X→Y) = P(XY) 2. 置信度 （Confidence） 置信度是购买X后再购买Y的条件概率。 Confidence(X→Y) = P(Y|X) = P(XY) / P(X) 3. 提升度（Lift） 提升度表示先购买其中一个商品对购买购买另一个商品的概率的提升作用，用来判断规则是否有实际价值，即使用规则后商品在购物车中出现
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

打赏作者

大数据技术派

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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