基于Apriori算法的購物籃分析

摘 要 采用數據挖掘技術中的Apriori算法，對購物籃進行關聯規則的分析。本文首先介紹了關聯規則算法的基本概念，然后運用R軟件中arules包中的函數Apriori對選取的數據進行分析，找到商品之間的關聯，并根據模型結果給商場提出銷售建議，提高商場的競爭力。

關鍵詞 數據挖掘;Apriori算法;R軟件

引言

隨著科學技術的不斷發展 ，各個行業都產生了大量的各種形式的數據。這些數據看起來復雜抽象，好像無任何規律，但是如果對數據進行分析，會發現其背后隱藏著很多有價值的重要信息，因此數據挖掘應運而生。數據挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數據中，通過應用聚類、分類、回歸和關聯規則等技術，挖掘潛在價值的過程[1]。

購物籃分析是零售行業最關注、最具有挑戰性的問題。本文應用關聯規則算法對顧客購買商品的種類、消費金額以及整個賣場的銷售數據進行分析，從而得到顧客的消費特征，這些特征包括顧客對商品的喜好、消費能力、品牌忠誠度以及潛在的消費需求，并根據這些特征制定行之有效的方案。

1關聯規則算法

1.1 關聯規則算法的相關概念

關聯規則的支持度和置信度是用于度量關聯規則強度的兩個指標。

支持度表示A和B同時發生的概率，如式（1）所示。

置信度為A發生的條件下B發生的概率。提升度是A發生的條件下B發生的概率和B無條件下發生的概率之比。若lift>1，則說明A對B 具有提升作用;若lift<1，則作用相反。

設I={i1，i2…i3}是二進制的集合，表示的是購物籃中商品的類別數為，其中每類商品稱為項。項的集合稱為項集，包含k項的集合為k-項集[2]，其中（）。每個項集都是的子集，項集的頻率等于所有包含此項集的購物籃個數與購物籃總數之比，它被稱為支持度。若項集的支持度大于或是等于預先規定的最小支持度的閾值，則此項集為頻繁項集，含有k項的頻繁項集記為Lk[1]。

1.2 Apriori算法步驟

假設共十個購物籃：{a，c，e}，{b，d}，{b，c}，{a，b，c，d}，{a，b}，{b，c}，{a，b}，{a，b，c，e}，{a，b，c}，{a，c，e}，運用Apriori算法步驟如下：

步驟一：確定最小支持度為0.2，最小置信度為0.5;

步驟二：確定I={a，b，c，d，e}，以每樣商品為一項得到候選一項集的集合C1，根據式（1）計算每項的支持度，掃描C1，如果商品的支持度小于0.2，則刪除，得到一項頻繁項集L1;

步驟三：L1和L1連接得到候選2項集C2，這步稱為連枝。然后計算C2中每項的支持度，然后是剪枝，如果支持度小于0.2，則刪除。頻繁項集還有一項要求是：頻繁項集的子集也必須是頻繁項集。根據這兩條原則得到二項頻繁項集L2;

步驟四：L1和L2連接得到候選3項集C3，再掃描所有事務集，計算C3中每項的支持度，然后剪枝，得到三項頻繁項集L3;

步驟五：以此類推L1和L3連接得到候選項集C4，再計算支持度，得到最終的頻繁項集;

步驟六：應用R軟件求解，得到關聯規則。

2應用Apriori算法分析購物籃

某大型超市存儲了一段時間的購物籃數據，共包括4835個購物籃的數據，售出商品總數為22309件，包括168種不同的商品。首先應用R軟件對商品的銷售情況排序，全脂牛奶銷量最高，銷量為1278件，占比約為5.7%，其次為面包卷銷量為972，占比約為4.4%等。前20種商品的銷量占比約為50%，基本符合“二八原則”。通過對商品占比的分析，可以確定那些商品為主力商品，那些為輔助商品，初步確定商品的擺放順序。

R語言中的arules包中的函數apriori可以對數據集進行關聯規則分析，經過多次分析，發現運用Aprior算法，當最小支持度取0.02，最小置信度取0.35時得到的關聯規則數目適中，結果良好。已提升度從高到低排列的前5條規則如表1所示，

通過關聯規則分析，我們可以知道顧客在購買其他商品時會購買全脂牛奶，其次是購買其他蔬菜，這也和我們分析的熱銷商品相符合。因此，超市應該把這些熱銷商品放在顧客購買商品的必經之路，或是商場的中心位置，方便顧客購買。通過關聯規則還可以知道顧客會同時購買豬肉、根莖類蔬菜、其他蔬菜、蛋類等的可能性較高，因此這些物品應當放的位置比較接近，或是捆綁銷售，這樣方便了顧客，提升顧客的購物體驗，也會提高顧客對超市的忠誠度。

3結束語

隨著計算機技術和機器學習技術的不斷發展，數據挖掘技術有著廣闊的發展前景。關聯規則分析除了可以對購物籃進行分析，還可以應用到銀行客戶行為分析、學生成績關聯分析、試卷知識點關聯分析、醫療保險分析等。隨著電子商務的發展，關聯規則技術還被應用到電商平臺，根據客戶以往的購買記錄，分析他可能感興趣的商品。它還可以和其他的算法相結合運用，比如協同過濾算法 ，兩者結合，就可以向顧客推薦他們可能感興趣的商品。隨著對關聯規則認識的不斷加深，我們可以將更多的因素融入其中，來拓展關聯規則的應用廣度，讓其為更多的領域提供決策支持。

參考文獻

[1] 韓寶國，張良均.R語言商務數據分析實戰[M].北京：人民郵電出版社，2018：109.

[2] 李毅.基于Apriori算法的試卷知識點關聯分析[J].新校園，2018（7）：52.

作者簡介

司鳳娟（1979-），女，山東菏澤人;學歷：碩士，職稱：講師，現就職單位：菏澤學院，研究方向：概率論與數理統計。