市場購物籃分析經濟管理學院 企業(yè)管理專業(yè) 1306122427 楊歡歡一、 實驗背景隨著社會進入信息化時代，現(xiàn)代化的企業(yè)搜集了大量數(shù)據或高維數(shù)據，包括市場、客戶、供貨商、競爭對手以及未來趨勢等重要信息，但是信息超載與無結構化，使得企業(yè)決策部門無法有效利用現(xiàn)存的信息，甚至使決策行為產生混亂與誤用。通過數(shù)據挖掘技術，可以從大量的數(shù)據中，挖掘出不同的信息與知識來支持決策，必能產生企業(yè)的競爭優(yōu)勢。數(shù)據挖掘和知識發(fā)現(xiàn)是一個涉及多學科的研究領域。數(shù)據庫技術、人工智能、機器學習、統(tǒng)計學、粗糙集、模糊集、神經網絡、模式識別、知識庫系統(tǒng)、高性能計算、數(shù)據可視化等均與數(shù)據挖掘相關。近年來，與數(shù)據庫的知識發(fā)現(xiàn)研究領域已經成為熱點，其中關聯(lián)規(guī)則數(shù)據挖掘算法是數(shù)據挖掘中的一個很重要的課題，它是從背后發(fā)現(xiàn)數(shù)據中的關聯(lián)或聯(lián)系。本實驗主要處理描述超級市場購物籃內容（所購買的全部商品的集合）的虛構數(shù)據，以及購買者的相關個人數(shù)據。目的是尋找購買相似產品并且購買相似產品的客戶群特征。二、 實驗目的1、 掌握數(shù)據挖掘的基礎知識，能夠深刻理解并熟練運用GRI和C5.0規(guī)則，能夠熟練運用SPSS Clementine11.1軟件進行數(shù)據分析。2、 利用GRI和C5.0規(guī)則對商場客戶交易數(shù)據進行分析，從中發(fā)現(xiàn)客戶購買的商品之間的關聯(lián)關系，并進一步歸納出購買相似商品的顧客群的特征 。3、 理解并操作實驗中數(shù)據挖掘的兩個部分，一是關聯(lián)規(guī)則建模和一個顯示所購買商品關聯(lián)關系的網絡圖；二是C5.0 規(guī)則歸納，顯示購買建立的產品組合的顧客群具有的特征。三、 操作環(huán)境1、系統(tǒng)環(huán)境：Windows XP2、軟件環(huán)境：SPSS Clementine11.13、軟件簡介：作為一個數(shù)據挖掘平臺， Clementine結合商業(yè)技術可以快速建立預測性模型，進而應用到商業(yè)活動中，幫助人們改進決策過程。強大的數(shù)據挖掘功能和顯著的投資回報率使得Clementine在業(yè)界久負盛譽。同那些僅僅著重于模型的外在表現(xiàn)而忽略了數(shù)據挖掘在整個業(yè)務流程中的應用價值的其它數(shù)據挖掘工具相比， Clementine其功能強大的數(shù)據挖掘算法，使數(shù)據挖掘貫穿業(yè)務流程的始終，在縮短投資回報周期的同時極大提高了投資回報率。四、實驗數(shù)據本實驗所使用的數(shù)據是SPSS Clementine11.1自帶的數(shù)據，名為BSAKETS1n，該數(shù)據包含18個字段，1000條記錄。1、購物籃摘要：cardid（購買此籃商品的客戶的忠誠卡標識符）、Value（購物籃的總購買價格）、pmethod（購物籃的支付方法）；2、卡持有者的個人詳細信息： Sex、homeown（卡持有者是否擁有住房）、收入、age ；3、購物籃內容產品類別的出現(xiàn)標志：fruitveg, freshmeat, dairy, cannedveg, cannedmeat, frozenmeal, beer, wine, softdrink, fish, confectionery。五、實驗步驟1、新建工作流，附加數(shù)據1.1、該模型的數(shù)據存儲為BSAKETS1n，首先在選擇面板選擇可變文件節(jié)點作為數(shù)據讀入節(jié)點，雙擊該結點進行編輯，加入數(shù)據存儲文件。結果如圖1。 圖12、使用一般規(guī)則歸納 (GRI) 大致了解購物籃內容的關系（關聯(lián)）以生成關聯(lián)規(guī)則2.1、選擇要在此建模過程中使用的字段，方法是：編輯“類型”節(jié)點，將所有產品類別的方向設置為雙向，其他方向設置為無，如圖2。其中，雙向表示該字段可以是結果模型的輸入或輸出。然后，連接一個“表”節(jié)點，執(zhí)行查看需要字段的數(shù)據，如圖3。圖2圖32.2、在選擇面板中的建模目錄中選擇GRI節(jié)點連接到到數(shù)據流中，然后對該節(jié)點進行編輯，選擇選項只顯示值為真的標志變量，然后執(zhí)行 GRI 節(jié)點。在管理器的模型欄中顯示產生未精煉模型 ，這些規(guī)則顯示凍肉、罐裝蔬菜和啤酒之間存在多種關聯(lián)；酒和糖果也具有關聯(lián)。如圖4與圖5。這些規(guī)則顯示凍肉、罐裝蔬菜和啤酒之間存在多種關聯(lián)；酒和糖果也具有關聯(lián)。圖4圖5結果分析：圖四結果顯示了購買各種商品之間的關聯(lián)關系。這個表的每一行表明了購買某種商品的時候還有可能購買哪些商品，它是用關聯(lián)分析中的支持度和置信度來分析的。支持度越大，說明同時被購買的可能性越大。我們以第一行結果為例分析，支持度為3.0%，置信度為96.67，顧客在購買cannedveg時有可能會同時購freshmeat,frozenmeal,beer這三種商品，對于其它行同樣用此方法分析。2.3、在“圖形”中選擇“網絡”節(jié)點拖入到工作框，然后與 “類型”節(jié)點連接。編輯“網絡”節(jié)點，選擇購物籃所有產品字段，選擇僅顯示 真值，如圖6。圖62.4執(zhí)行網絡節(jié)點，得到如圖7所示的網絡圖。然后指定弱連接和強連接，單擊工具欄上的黃色雙箭頭按鈕。這會展開顯示 Web 輸出摘要和控件的對話框。選擇大小表示強/正常/弱。將弱鏈接設置為低于90，將強接連設置為101。結果如圖8示。圖7圖8在圖中有三個客戶群突出顯示：購買魚和果蔬，我們將該組合定義為“健康”，購買酒和糧果，該組合定義為“小資”，購買啤酒、凍肉和罐裝蔬菜，該組合定義為“火鍋”。3、C5.0規(guī)則歸納3.1、選中網絡圖中連接魚和果蔬的連線，導出“與”節(jié)點，字段命名“健康”。如圖9和圖10。在真值和假值欄分別填寫新字段的兩種數(shù)據值，其中真值表示當條件滿足時該字段的值，假值表示當條件不滿足時該字段的值。圖9圖103.2、設置字段的輸入與輸出。在健康節(jié)點后連接一個類型結點，通過該類型節(jié)點來制定字段的輸入或輸出方向。這里我們要分析購買健康食物的顧客特征，所以我們將健康字段的方向選項設置為輸出，將顧客的個人特征設置為輸入，將其他商品設置為無。如圖10圖113.4附加 C5.0 節(jié)點。在選擇面板中選擇C5.0拖到工作框中。將輸出類型設置為規(guī)則集，然后執(zhí)行。如圖12。 圖12結果分析：圖中的結果顯示了14.5%的人會選擇購買健康食物，85.5%的人不會購買健康食物。下一個分支中，按照年齡特征來劃分，小于等于24歲的人中購買健康食品占40.4%，其余的59.6%的人則不會購買。年齡大于24歲的人中，4.6%的人選擇購買健康食物，95.4%的人不會購買健康食物。而在小于24歲且有房子的人中，1.4%的人會購買健康食品，98.6%的人不會購買。年齡小于24歲且沒有房子的人中80.3%的人會選擇購買健康食物，19.3%的人不會購買健康食物。3.5、對定義的其它組合重復上述操作，然后對于火鍋組合的規(guī)則集執(zhí)行，結果如圖12。圖13結果分析：圖中的結果顯示了16.7%的人會選擇購買火鍋組合，83.3%的人不會購買火鍋組合。下一個分支中，按照收入特征來劃分，收入小于等于16900元的人42.604%購買該組合，其余的57.396%的人則不會購買。收入大于16900元的人中，3.474%的人選擇購買火鍋組合，96.526%的人不會購買。而在收入小于等于16900的男性中，84.242%的人會購買火鍋組合， 15.758%的人不會購買。收入小于等于16900的女性中2.89%的人會購買火鍋組合，97.11%的人不會購買火鍋組合。3.6、最終工作框的流程如圖13示。圖13六、實驗總結本實驗一共分為三個部分，第一部分主要是附加數(shù)據，第二部分是通過GRI關聯(lián)規(guī)則來建模，以此來揭示購買的商品之間的關聯(lián)關系，并用網絡圖顯示出來；我在第三部分探索了用C5.0模型來歸納其中的規(guī)則。通過本