R语言数据挖掘（关联规则、聚类算法等）——美国黑色星期五

实验内容和步骤：

一、 实验内容：
对原始数据进行清洗；
使用R语言对数据进行处理和分析；
将处理结果进行展示得出实验结论。
二、 实验步骤
项目背景及意义：
黑色星期五就像我国的双11一样，这是美国整个州的折扣季节。我认为有必要研究围绕商店和购物者数据的数据集，因此我获得了黑色星期五购物交易相关的数据。该数据集包含550,000个关于零售商店中黑色星期五购物者的观察，它包含不同类型的数字或分类变量。也包含了缺失值。通过数据的分析与挖掘，用于商品的分类设计商店货物的货存安排以及捆绑销售、超市里货架摆放设计，从而提升销售量。

数据概览

数据在我的主页资源下载

找不到下载地址的点这个链接跳转：点击跳转代码下载页
另外，这个报告我是一年前完成的，现在很多都记不得了，大家有问题的时候自己多看看代码钻研钻研，不能一味地全靠复制粘贴哇。 还有，这个报告也是我的实训作业，所以如果是ZSTU的，请谨慎使用，最好自己可以修改一下。

 Importing packages
install.packages("GGally")
library(tidyverse)
library(GGally)
library(stringr)
library(tidyverse)
library(scales)
library(arules)
library(gridExtra)
bf<-read.csv("C:/Users/myR/Downloads/BlackFriday.csv/BlackFriday.csv")
summary(bf)
head(bf)

我们从数据的概览中得到的信息如下：
数据包含12个变量和537577个观测值。
大多数的缺失值都是Product_Category_2和Product_Category_3中。
每个列代表下面的相应变量：
User_ID：购物者的编码（唯一标识符）。
Product_ID：产品编码（唯一标识符）。
Gender：购物者的性别。
Age：购物者的年龄。
Occupation：职业。
City_Category：购物者的居住地点。
Stay_In_Current_City_Years：在当前城市停留的年数。
Marital_Status：购物者的婚姻状况。
Product_Category_1：购买的产品类别。
Product_Category_2：