【数据分析】产品关联度分析和购物篮分析（1）

产品关联度分析

关联分析是发现交易数据库中不同商品（项）之间的联系，主要应用于电商网站
推荐、线下零售门店商品摆放等场景中。
关联规则：
1.支持度（support）：数据集中包含某几个特定项的概率。比如在1000次的
商品交易中同时出现了A和B的次数是50次，那么此关联的支持度为5%。
2. 置信度（Confidence）：在数据集中已经出现A时，B发生的概率，置信度
的计算公式是 ：A与B同时出现的概率/A出现的概率。

3.提升度就是在购买A产品这个条件下购买B产品的可能性与没有这个条件下购买B
产品的可能性之比（置信度/无条件概率）。
一般而言，提升度如果小于1，则该推荐规则不应该被使用。

购物篮分析

一般将单个客户一次购买商品的总和称为一个购物篮，购物篮分析就是针对商品的相关性分析。
购物篮分析要点：

• 找到正确的物品组合
• 找到用户对应不同组合的购买时间
• 找到用户对应不同组合的购买顺序

案例：商店的顾客购买的商品清单

步骤一：
计算不同商品的交易频次

步骤二：
根据最低支持度筛选商品
（最低支持度为50%）

步骤三：
计算不同组合的交易频次


步骤四：
根据最低支持度筛选组合
（最低支持度为50%）

步骤五：
计算不同组合的交易频次
（三种商品）

步骤六：
根据最低支持度筛选组合
（最低支持度为50%）

Apriori算法（先验算法）

Apriori是先验算法，假设子集S出现了k次，那么任何包含S的其它子集只会小于或等于k次. 反之如果S
不满足最小的支持度，则任何包含S的子集也不会满足，这时包含S的子集就可以忽略计算了。