6-3項目2—推薦你要一起購買的商品模塊?個性化推薦：主動滿足你的需求目錄CONTENTS提出問題01預備知識03解決方案02任務1—將CSV文件數據轉換為事務型數據04任務3—提取有用的銷售關聯規則06任務2—找出購物清單中頻繁購買的商品05一.提出問題問題描述當顧客走進一家實體賣場或進入一個在線商店時，商家會如何向他推薦商品呢？或者作為一個賣場的管理者，該如何根據顧客已購買的商品類型向他兜售關聯的商品呢？假設賣場想舉辦一個商品促銷活動，如何知道哪些捆綁商品是顧客喜歡的？進一步思考，為方便顧客購買，提升顧客的消費體驗，該如何對賣場的商品擺放布局進行調整呢二.解決方案2.解決方案（1）數據整理表6-6中1表示某商品出現在某次購物清單中，0表示沒有出現，這樣就形成了一個可反映所有種類商品在購物清單中是否出現的矩陣。二.解決方案2.解決方案（2）具體方案數據合并整理為事務型數據找頻繁被購商品項篩選有用的購物模式推薦購物模式三.預備知識1.事務型數據轉換事務型數據三.預備知識1.事務型數據代碼實現三.預備知識2.frequent_patterns模塊的主要函數【引例6-3】按最小支持度為0.5、最小置信度為0.6來計算表6-7所示購物清單中的頻繁項集和關聯規則。三.預備知識2.frequent_patterns模塊的主要函數（1）找支持度>=0.5的頻繁項集實現代碼運行結果三.預備知識2.frequent_patterns模塊的主要函數（2）找出步驟1中頻繁項集隱含的關聯規則運行結果四.任務1——將CSV文件數據轉換為事務型數據1.將文件數據保存到列表中列表中的數據（部分）四.任務1——將CSV文件數據轉換為事務型數據2.對列表數據進行事務編碼處理部分數據五.任務2——找出購物清單中頻繁被購買的商品1.確定合理的最小支持度結論：一種商品每天被購買的次數為0.02609×9835÷30≈8.6次，說明以這個頻次被購買的商品是值得去發現其中可能隱藏的一些規則的，所以嘗試設定最小支持度為0.02。五.任務2——找出購物清單中頻繁被購買的商品2.找出頻繁項集（1）利用Apriori找出所有的頻繁項集運行結果五.任務2——找出購物清單中頻繁被購買的商品2.找出頻繁項集（2）找出頻繁2-項集運行結果：六.任務3——提取有用的銷售關聯規則1.挖掘出一些關聯規則已經找出了一些頻繁2-項集，但兩種商品一起出現的可能性有多大？它們之間是否存在一些購買模式或者關聯規則呢？前11項六.任務3——提取有用的銷售關聯規則2.關聯規則分析和評估在買黃油的顧客中，有一半的人同時購買了全脂牛奶提升度均大于1，說明這些關聯規則所涉及的兩種商品是有關聯，前一種商品的銷售是會影響后一種商品的銷售的。六.任務3——提取有用的銷售關聯規則2.關聯規則分析和評估這些關聯規則中，哪些關聯規則是有用的？哪些關聯規則的商業價值不大？哪些關聯規則其實就是一類事實的重現？六.任務3——提取有用的銷售關聯規則2.關聯規則分析和評估五.任務3——為3類客戶提出營銷建議2.關聯規則分析和評估結論將{黃油}→{全脂牛奶}、{豆腐}→{全脂牛奶}、{土雞蛋}→{全脂牛奶}等關聯規則應用于零售超市是很有用的。根據關聯規則提示，可以將這些商品捆綁促銷，或者將這些商品盡可能放置在一個樓層以方便顧客購買，達到提高銷售額的效果?？梢愿鶕碳以噲D要促銷的商品種