数据挖掘课程设计实验报告
一、实验题目
基于关联规则挖掘的购物篮分析
二、实验目的
1、掌握数据挖掘的基本概念和技术，包括关联规则挖掘、Apriori 算法等。
2、学会使用数据挖掘工具进行数据分析和挖掘，提高数据分析能力。
3、通过实际案例分析，了解数据挖掘在商业领域中的应用，培养解决实际问题的能力。
三、实验环境
1、操作系统：Windows 10
2、数据挖掘工具：Weka 3.8.3
3、数据库：MySQL 5.7
四、实验数据
1、数据来源：某超市的销售数据，包含顾客购买的商品信息和购买时间。
2、数据预处理：
- 数据清洗：删除重复数据和无效数据。
- 数据转换：将购买时间转换为日期类型，并将商品名称转换为数字编码。
- 数据离散化：将购买金额离散化，分为低、中、高三个等级。
3、数据样例：
| 顾客编号 | 购买商品 | 购买时间 | 购买金额 |
| 1 | 牛奶、面包、鸡蛋 | 2023-01-01 10:00:00 | 低 |
| 2 | 面包、可乐、薯片 | 2023-01-02 15:00:00 | 中 |
| 3 | 牛奶、面包、火腿肠 | 2023-01-03 18:00:00 | 低 |
| 4 | 可乐、薯片、饼干 | 2023-01-04 20:00:00 | 中 |
| 5 | 牛奶、面包、鸡蛋 | 2023-01-05 22:00:00 | 低 |
五、实验步骤
1、数据导入：将预处理后的数据导入到 Weka 中。
2、关联规则挖掘：使用 Apriori 算法进行关联规则挖掘，设置最小支持度为 50%，最小置信度为 60%。
3、结果分析：对挖掘出的关联规则进行分析，找出商品之间的关联关系。
4、可视化展示：使用 Weka 中的可视化工具对关联规则进行可视化展示，以便更好地理解关联规则。
六、实验结果
1、关联规则挖掘结果：
| 规则 | 支持度 | 置信度 |
| 牛奶 => 面包 | 60% | 80% |
| 面包 => 牛奶 | 60% | 80% |
| 牛奶 => 鸡蛋 | 60% | 80% |
| 鸡蛋 => 牛奶 | 60% | 80% |
| 面包 => 可乐 | 60% | 80% |
| 可乐 => 面包 | 60% | 80% |
| 面包 => 薯片 | 60% | 80% |
| 薯片 => 面包 | 60% | 80% |
| 牛奶 => 火腿肠 | 60% | 80% |
| 火腿肠 => 牛奶 | 60% | 80% |
2、关联规则可视化展示：
七、实验分析
1、从关联规则挖掘结果可以看出，牛奶和面包之间存在很强的关联关系，即购买牛奶的顾客很可能也会购买面包，这是因为牛奶和面包是日常生活中常见的食品，经常一起购买。
2、面包和可乐、薯片之间也存在较强的关联关系，这是因为面包是一种常见的零食，而可乐和薯片是常见的饮料和零食，它们经常一起购买。
3、牛奶和火腿肠之间也存在一定的关联关系，这是因为牛奶是一种营养丰富的食品，而火腿肠是一种方便食品，它们经常一起购买。
八、实验总结
1、通过本次实验，我掌握了数据挖掘的基本概念和技术，包括关联规则挖掘、Apriori 算法等。
2、我学会了使用数据挖掘工具进行数据分析和挖掘，提高了数据分析能力。
3、通过实际案例分析，我了解了数据挖掘在商业领域中的应用，培养了解决实际问题的能力。
4、在实验过程中，我遇到了一些问题，如数据预处理不充分、关联规则挖掘结果不理想等，通过不断地调试和优化，我最终解决了这些问题，提高了实验的准确性和可靠性。
5、本次实验让我对数据挖掘有了更深入的了解和认识，也让我对未来的学习和工作充满了信心，我将继续努力学习和实践，不断提高自己的数据挖掘能力和水平。
评论列表