数据分析之利用apriori关联算法看看客户最喜欢买什么
一、背景和目标
源于沃尔玛的啤酒和尿布的经典营销案例,把这两个看似并无太大关系的商品联系到一起了。这里就用到了关联算法。我们今天就用关联算法对某餐饮连锁企业的商品进行关联分析,观察用户的消费习惯。
环境:python3.5+pycharm
算法:Apriori
二、数据采集和处理
原始数据是长这样的,不过这样的数据并不利于进行关联分析:
不过阿里云分析型数据库ADB提供了强大的group_concat函数,类似于分组效果,可以把聚合之后的查询结果放在一起。
用法:select 日期,订单,group_concat(产品) from 表 group by 日期,订单
具体结果如下:
三、过程
a和b的支持度support(a->b)=P(a&b)=support_count(a&b)/total_count(a),最小支持度设置为0.2
a和b的置信度confidence(a->b)=P(b/a)=support_count(a&b)/support_count(a),最小置信度设置为0.5
概念:如果项集I的支持度大于最小支持度阈值,则I为频繁项集,频繁项集的非空子集也是频繁项集。
- a.计算频繁项集过程:
1.连接
以上面9个订单为例,123002这个产品在4个订单出现,所以p(123002)=4/9,以此类推得到C1,
产品 | 概率 | 是否大于最小支持度 |
---|---|---|
123002 | 4/9 | 是 |
131013 | 5/9 | 是 |
110202 | 2/9 | 否 |
….. ….. …..
2.剪枝和再连接
把小于最小支持度(设置为0.2)的排除了,就得到了频繁项集L1,然后L1和L1自相连,得到C2
产品 | 概率 | 是否大于最小支持度 |
---|---|---|
123,002,131,013 | 4/9 | 是 |
123,002,110,202 | 1/9 | 否 |
….. ….. …..
排除之后得到二项集L2,三项集L3知道找到最大频繁项集Ln…….
- b.计算置信度过程
p(123002/131013)=p(123002&131013)/p(131013)=(4/9)/(5/9)=0.8
- c.结论:
131013->123002 最小支持度为4/9 ,置信度为0.8
同时点这两个产品的概率为4/9,点了131013之后再点123002的概率是0.8,而且同时满足最小支持度和最小置信度,所以这两个产品之间有很强的关联关系