Apriori算法-数据挖掘课设，频繁项目集挖掘+关联规则挖掘全解,代码+课设报告+答辩ppt
2022-05-17 11:05:58
48.95MB
1
基于python语言实现FP-Growth算法，并通过实例实现其对销售订单的关联规则进行挖掘。
资料包括完整的源码文件。
实现方式：
要实现购物篮分析，其实有很多种方法，上面的几种考核指标都很清晰了，我们使用SQL也是可以统计的，只不过有点儿麻烦，需要手动做一个商品的组合，或者使用商品间笛卡尔积作为基础表，但是这还得看组合数量，如果只组合2种还好，组合3种、4种呢？
再就是使用Python或者R来做了，可以选择自己代码实现，也可以使用现有的开源包，我们只要用就行了，这里我也是直接使用了Python中的mlxtend拓展包。
数据处理：
这里把数据处理单独拎出来说一下，做关联分析，需要注意下数据的选取，比如有些行业需要考虑场景，如早中晚这种，每种场景下用户购物偏好不一样，每种场景都有适合的商品组合；
再比如最近的打折促销的商品要剔除掉，因为要走量，所以可能很多订单都有这件商品，会影响我们的最后结论；
还有就是一些附赠品，试用品，新人优惠的商品，都是会影响我们结论的一些数据。
2022-05-13 11:05:40
26KB
基于频繁项集筛选策略的关联规则挖掘算法，佘名高，陈礼军，在FP增长算法(FP-growth)和划分(Partition)算法的基础上提出了一种基于频繁项集筛选策略的关联规则挖掘的改进算法。提高了FP-growth算法的可
2022-05-09 09:45:01
359KB
1