桂工DM数据挖掘分析.doc

《桂工DM数据挖掘分析.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、Web数据挖掘课程作业指导教师成绩班级:学号:姓名:Web数据挖掘课程作业指导教师成绩班级:学号:姓名:2015至2016学年第一学期作业名称：购物篮分析评价（教师填写）：作业内容：购物篮分析＞首先找出符合下列2个条件之一的所有购物小票，由这些小票的购物数据构成数据集：♦购买金额超出平均每张购物小票购买金额30%以上的购物小票♦利润率超出平均每张购物小票平均利润率3%以上的购物小票＞对该数据集进行预处理＞对该数据集进行分析：对于利润率最高的商品或价格最高的商品（二者选一）的4种商品选择相应搭配促销商品（或同时摆放商品

2、）。使用关联规则挖掘或聚类分析方法都可。实验操作:一、数据来源我们采用实验报告四中的第六组桂林市乐群菜市口乐乐水果店的销售购物单为数据源进行筛选后进行购物篮分析。二、搭配产品分析步骤（-）整理数据我们的数据比较多，所以可以先计算出每个销售小票的购买金额，在EX里面利用函数进行。再计算出平均每张小票的购买金额为34.7112元，然后筛选出符合实验条件的数据，即购买金额超出平均每张购物小票购买金额30%以上的购买小票,其购买金额为45.122元。将符合大于购买金额（条件）的购物小票筛选出来，由这些小票的购物数据制作数据集

3、“超出30%购买金额的销售单”。（表格用屯子档上交）如图:（-）对该数据集进行预处理将整理好的“超出30%购买金额的销售单”另存为csv格式。打开UltwEdit,将数据属性进行离散化：门umeric改“{0,1}”。在weka里面的验证type类型也为nominalo然后保存原文件名“超出30%购买金额的销售单arff"如图：■・•maa■•ii■••>ar■■■■■■«mutuumTvceuttttiW,uwu

4、dWUIAUWWWt.ggwzotKQ.Ul.t.uUKmwywzUxwwHtlAAO.CtlZUWktltiAOttlaattiaoAtiAAZucimct・ttt9ft・*・0*fSmiixcaooi・m«・w・m•mmmwamiMV*v"wf7t>'（三）数据集进行分析将整理好的“超出30%购买金额的销售单arff"采用关联规则挖掘进行分析。进入weka之后，点击"Associate”点击"choose"点击"^priori”点击“Choose”右边的文本框修改默认的参数。如图：三、分析结果分析首先综合我们的关

5、联挖掘分析的结果（分析结果五十条用电了档上传）Minimumsupport:0.9(695instances)Minimummetric:1>1Bestrulesfound：1.leinon=0Lotusfog-0loquat=0712二二〉pomelo=0702conf:(0.99)lift：(1.01)2.cherries二0lemon^OKiwifruit^O709=>Passionfruit二0703conf：(0.99)13.poinelo=0cherries二0Components

6、of=0716==>Lotusfog=0707conf:(0.99)14.Yanginei^Oporoelo^Ocherries二0712=〉Lotusfog二0703conf:(0.99)lift:<5.poinelo=0cherries二0inulberry^O712二二〉Lotusfog=0703conf:(0.99)lift:<6.poinelo^Ocherries-OPassionfruit二0Coniponentsof-0707二二〉Lotusfog=0698(1.74)>7.Yangmei^Olemon

7、二0Lotusfog=0712~>pomelo=0701conf：(0.98)1辻t：(1.(8.poroelo=0cherries=0729==>Lotusfog=0719conf:(0.99)lift:(1.01)lev：<9.Redreddeliciousoppie二0cherries^OPassionfruit=0708二二〉Coniponentsof=((1.63)>10.Lotusfog^Omulberry^OPassionfruit二0Componentsof=0711二二〉cherries=06、fq

8、"亠、、然后并且遵循产品利润最高的产品进行选择。得到樱桃cherries.柠檬lemon.獗猴桃Kiwifruit＞山竹Components四中产品利润最高,然后再进行搭配销售初步确定销售搭配方案如下：樱桃：柠檬、狒猴桃、山竹柠檬：樱桃、山竹獗猴桃：樱桃山竹：柠檬、獗猴桃