商务智能实验8报告概要.doc

《数据挖掘与商务智能实验》 实 验 报 告 实验题目： 关联分析：关联规则 姓名： 王俊 学号： 201430850164 指导教师： 张大斌 实验时间： 2016.11.09 2016年 11 月 12 日 实验8 关联分析：关联规则 实验目的 了解和熟悉SPSS Modeler及其相关知识； 掌握SPSS Modeler工具建立Apriori关联规则的方法； 学会运用SPSS Modeler关联规则进行相关的内容分析。 实验内容 本实验分析的是超市顾客个人信息和他们的一次购买商品数据，采用的是关联分析中的Apriori算法。本实验的数据来自文件名为BASKETS.txt的文件。数据的主要内容包括两个部分，第一部分是顾客的个人信息，主要变量有会员卡号（cardid）、消费金额（value）、支付方式（pmethod）、性别（sex）、是否业主（homeown）、年龄（age）、收入（income）；第二部分是顾客的一次购买商品的信息，主要变量有果蔬（fruitveg）、鲜肉（freshmeat）、奶制品（dairy）、罐头蔬菜（cannedveg）、罐头肉（cannedmeat）、冷冻食品（frozenmeal）、啤酒（beer）、葡萄酒（wine）、软饮料（softdrink）、鱼（fish）、糖果（confectionery），均为二分类型变量，取值T表示购买,F表示未购买，是一种事实表的数据组织格式。本次试验分析的是的哪些商品最有可能购买。具体实验步骤如下： 实验步骤与结果 步骤1 创建Apriori算法数据流 （1）通过“可变文件”节点读入数据BASKETS.txt。 （2）选择建模卡片中的“Apriori”节点并将其简洁到数据中的恰当位置，点击鼠标，选择菜单中的编辑选项进行参数设置。 步骤2 设置具体参数 （1）在“字段”下，选择“使用定制设置”选项。在“后项”和“前项”框中选择关联规则的后项和前项的变量，本例中分析连带销售商品，因此所有商品均被选入后项和前项。如图8-1（a）所示。 图8-1（a） （2）在“类型”下，制定当前前项最低条件支持度，默认值10%；最小规则置信度，默认值为80%；最大前项数，默认为5；勾选“仅包含标志变量的真值”，表示只显示项目出现的规则，而不显示项目不出现时的规则，这里关心的是商品的连带购买。如图8-1（b）所示。 图8-1（b） （3）在“专家”的选项下，选择模式“专家”选项，并选择评价关联规则的度量指标，这里选择默认选项“规则置信度”。如图8-2所示。 图8-2 步骤3 结果运行 实验结果如图8-3所示。 结果说明，如按第2条关联规则，购买啤酒和冷冻食品则会同时购买罐头蔬菜，样本中购买啤酒喝冷冻食品的样本为170；同样也说明购买啤和冷冻食品的顾客有85.882%的可能购买罐头蔬菜，该规则的支持度为14.6%。本例中产生了三条关联规则：啤酒和罐头蔬菜→冷冻食品（S=14.6%，C=87.452%）；啤酒和冷冻食品→罐头蔬菜（S=14.6%，C=85.882%）；冷冻食品和罐头蔬菜→啤酒（S=14.6%，C=84.393%）。同时三条关联规则的提升度（2.895,2.834,2.88）都可以接受。因此，啤酒、罐头蔬菜、冷冻食品是最可能连带销售的商品。 可以利用关联规则考察哪类和顾客符合哪条关联规律。如果顾客满足某条关联规则，则可以推断其有一定可能性同时购买某种商品，反之，则无法预测。 步骤4 考察关联规律 （1）将Apriori节点中的模型计算的结果添加到数据流编辑区域的恰当位置。 （2）点击鼠标右键选择“编辑”选项，进行“选项”的设置。 （3）“最大预测数”中输入数值，默认为3. （4）勾选“忽略不匹配篮项目”，表示样本应用规则时不能按照顺序完全匹配前项的所有项目时，允许采用非精度匹配。勾选“检查预测不在篮中”，表示样本应用关联规则时，给出的后项结果不应出现在前项。如图8-4所示。 图8-4 通过“表”节点课观察具体的结果。$A、$AC、$A-Rule表示每个样本应用关联规则的推测结果、置