基于R软件的关联规则算法在购物篮分析中的应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-13页 |
| 1.1 研究背景 | 第10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究目的及意义 | 第11-13页 |
| 2 数据挖掘 | 第13-19页 |
| 2.1 数据挖掘的发展历程 | 第13-14页 |
| 2.2 数据挖掘的基本概念 | 第14-16页 |
| 2.3 数据挖掘的任务 | 第16-17页 |
| 2.4 数据挖掘的流程 | 第17-18页 |
| 2.4.1 明确挖掘目标 | 第17页 |
| 2.4.2 数据采集和预处理 | 第17页 |
| 2.4.3 数据挖掘 | 第17-18页 |
| 2.4.4 结果解释 | 第18页 |
| 2.5 数据挖掘的应用和发展趋势 | 第18-19页 |
| 3 关联规则算法 | 第19-29页 |
| 3.1 关联规则的基本概念 | 第19-20页 |
| 3.2 关联规则的分类方法 | 第20页 |
| 3.3 频繁项集的产生 | 第20-22页 |
| 3.4 规则产生 | 第22页 |
| 3.5 频繁项集挖掘方法 | 第22-25页 |
| 3.5.1 Aprio打算法 | 第22-25页 |
| 3.5.2 Apriori算法的主要步骤 | 第25页 |
| 3.6 频繁项集挖掘方法的实例分析 | 第25-29页 |
| 3.6.1 Apriori算法的频繁项集产生 | 第25-27页 |
| 3.6.2 由频繁项集产生关联规则 | 第27-29页 |
| 4 超市销售模型及实证分析 | 第29-45页 |
| 4.1 购物篮问题 | 第29页 |
| 4.2 购物篮分析方法在超市销售中的应用 | 第29-30页 |
| 4.3 Apriori算法在购物篮分析中的应用 | 第30-43页 |
| 4.3.1 数据准备 | 第30-31页 |
| 4.3.2 数据预处理 | 第31-32页 |
| 4.3.3 数据的基本信息 | 第32-33页 |
| 4.3.4 生成频繁数据集 | 第33-38页 |
| 4.3.5 规则的生成和可视化 | 第38-43页 |
| 4.3.6 结果解读 | 第43页 |
| 4.4 分析与讨论 | 第43-45页 |
| 5 总结与展望 | 第45-46页 |
| 参考文献 | 第46-48页 |
| 附录 | 第48-50页 |
| 致谢 | 第50页 |
