R语言做关联分析

最新推荐文章于 2024-08-16 17:09:40 发布

阿怼仙男

最新推荐文章于 2024-08-16 17:09:40 发布

阅读量6.5k

点赞数 9

文章标签： r语言

本文链接：https://blog.csdn.net/weixin_52629178/article/details/118220423

版权

本文介绍了使用R语言进行关联分析的过程，通过某大型超市的购物篮数据集，展示了如何进行数据预处理，设置支持度和置信度阈值，以及运用Apriori和Eclat算法挖掘关联规则。分析结果显示，通过支持度和置信度控制，可以找到最有价值的关联规则，例如购买靴子与茄子的关联，有助于理解客户购买行为并指导市场策略。

摘要由CSDN通过智能技术生成

目录关联分析

理解关联分析的相关概念：关联分析、支持度、置信度、强规则、项集、频繁项集等。掌握关联分析的基本方法：数据是事务的或关系的，如何由大量的数据中发现关联规则？什么样的关联规则最有趣？

案例资料

（一）案例简介

只有对商场销售数据进行分析，才能了解客户的购买特性，发现不同类别商品的共同特征及其规则，并进而通过这些规则对商场的市场定位、商品定价、新商品采购等进行决策。本案例采用某大型超市的购物篮数据集，每一组数据表示不同的顾客一次在商场购买的商品集合。案例的样本数据如表 1.1 所示。

表 1.1 某大型超市的购物篮样本数据

案例使用

读入数据

安装和加载聚类挖掘算法相关的包：arules，用于关联规则的数字化生成，提供 Apriori 和 Eclat

这两种快速挖掘频繁项集和关联规则算法的实现函数。

>install.packages("arules")

>library(arules)

>library(Matrx)                                                                                            

>shopping.df<-as.data.frame(read.csv(file="D:/GLFX/WH.csv",header=F))#读取数据

>shopping.df