【淘宝用户购物行为分析】数据挖掘实验四

---

I、项目任务要求

任务描述：

• 关联分析用于发现用户购买不同的商品之间存在关联和相关联系，比如A商品和B商品存在很强的相关性，常用于实体商店或在线电商的推荐系统，例如某一客户购买A商品，那么他很有可能会购买B商品，通过大量销售数据找到经常在一起购买的商品组合，可以了解用户的购买行为，根据销售的商品推荐关联商品从而给出购买建议，寻找销售新的增长点。
• 本次实验采用关联算法从两方面对淘宝用户购物行为进行分析：
  • (1)用户购买哪种商品次数最多；
  • (2)用户购买的商品中，哪些商品组合关联度高。
• 实验内容：分别采用Apriori、FP-growth算法实现淘宝用户购物行为分析，并写出实验结果分析。

主要任务要求：

• 1、数据集下载网页(https://zhuanlan.zhihu.com/p/76357500)。
• 2、分别简述Apriori、FP-growth算法思想和实现原理。
• 3、写出实验结果分析：
  • (1) 数据集描述。
  • (2) 实验运行环境描述：如开发平台、编程语言、调参情况(最小支持度、最小置信度)等。
  • (3) 采用Apriori算法实现淘宝用户购物行为分析。
  • (4) 采用FP-growth算法实现淘宝用户购物行为分析。
  • (5) 两种算法结果比较分析：
    • 算法性能比较；
    • 兴趣因子（支持度）评估比较；
    • 淘宝用户购物行为分析比较。

参考资料网址: 基于Python的Apriori和FP-growth关联分析算法分析用户购物关联度

---

II、原理描述

---

III、数据集描述

数据集来源

数据描述

变量分析

数据预处理

---

IV、具体实现过程

---

V、结果分析

---

VI、完整代码