基于Apriori算法的购物篮分析

摘 要 采用数据挖掘技术中的Apriori算法，对购物篮进行关联规则的分析。本文首先介绍了关联规则算法的基本概念，然后运用R软件中arules包中的函数Apriori对选取的数据进行分析，找到商品之间的关联，并根据模型结果给商场提出销售建议，提高商场的竞争力。

关键词 数据挖掘;Apriori算法;R软件

引言

随着科学技术的不断发展 ，各个行业都产生了大量的各种形式的数据。这些数据看起来复杂抽象，好像无任何规律，但是如果对数据进行分析，会发现其背后隐藏着很多有价值的重要信息，因此数据挖掘应运而生。数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，通过应用聚类、分类、回归和关联规则等技术，挖掘潜在价值的过程[1]。

购物篮分析是零售行业最关注、最具有挑战性的问题。本文应用关联规则算法对顾客购买商品的种类、消费金额以及整个卖场的销售数据进行分析，从而得到顾客的消费特征，这些特征包括顾客对商品的喜好、消费能力、品牌忠诚度以及潜在的消费需求，并根据这些特征制定行之有效的方案。

1关联规则算法

1.1 关联规则算法的相关概念

关联规则的支持度和置信度是用于度量关联规则强度的两个指标。

支持度表示A和B同时发生的概率，如式（1）所示。

置信度为A发生的条件下B发生的概率。提升度是A发生的条件下B发生的概率和B无条件下发生的概率之比。若lift>1，则说明A对B 具有提升作用;若lift<1，则作用相反。

设I={i1，i2…i3}是二进制的集合，表示的是购物篮中商品的类别数为，其中每类商品称为项。项的集合称为项集，包含k项的集合为k-项集[2]，其中（）。每个项集都是的子集，项集的频率等于所有包含此项集的购物篮个数与购物篮总数之比，它被称为支持度。若项集的支持度大于或是等于预先规定的最小支持度的阈值，则此项集为频繁项集，含有k项的频繁项集记为Lk[1]。

1.2 Apriori算法步骤

假设共十个购物篮：{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}，运用Apriori算法步骤如下：

步骤一：确定最小支持度为0.2，最小置信度为0.5;

步骤二：确定I={a，b，c，d，e}，以每样商品为一项得到候选一项集的集合C1，根据式（1）计算每项的支持度，扫描C1，如果商品的支持度小于0.2，则删除，得到一项频繁项集L1;

步骤三：L1和L1连接得到候选2项集C2，这步称为连枝。然后计算C2中每项的支持度，然后是剪枝，如果支持度小于0.2，则删除。频繁项集还有一项要求是：频繁项集的子集也必须是频繁项集。根据这两条原则得到二项频繁项集L2;

步骤四：L1和L2连接得到候选3项集C3，再扫描所有事务集，计算C3中每项的支持度，然后剪枝，得到三项频繁项集L3;

步骤五：以此类推L1和L3连接得到候选项集C4，再计算支持度，得到最终的频繁项集;

步骤六：应用R软件求解，得到关联规则。

2应用Apriori算法分析购物篮

某大型超市存储了一段时间的购物篮数据，共包括4835个购物篮的数据，售出商品总数为22309件，包括168种不同的商品。首先应用R软件对商品的销售情况排序，全脂牛奶销量最高，销量为1278件，占比约为5.7%，其次为面包卷销量为972，占比约为4.4%等。前20种商品的销量占比约为50%，基本符合“二八原则”。通过对商品占比的分析，可以确定那些商品为主力商品，那些为辅助商品，初步确定商品的摆放顺序。

R语言中的arules包中的函数apriori可以对数据集进行关联规则分析，经过多次分析，发现运用Aprior算法，当最小支持度取0.02，最小置信度取0.35时得到的关联规则数目适中，结果良好。已提升度从高到低排列的前5条规则如表1所示，

通过关联规则分析，我们可以知道顾客在购买其他商品时会购买全脂牛奶，其次是购买其他蔬菜，这也和我们分析的热销商品相符合。因此，超市应该把这些热销商品放在顾客购买商品的必经之路，或是商场的中心位置，方便顾客购买。通过关联规则还可以知道顾客会同时购买猪肉、根茎类蔬菜、其他蔬菜、蛋类等的可能性较高，因此这些物品应当放的位置比较接近，或是捆绑销售，这样方便了顾客，提升顾客的购物体验，也会提高顾客对超市的忠诚度。

3结束语

随着计算机技术和机器学习技术的不断发展，数据挖掘技术有着广阔的发展前景。关联规则分析除了可以对购物篮进行分析，还可以应用到银行客户行为分析、学生成绩关联分析、试卷知识点关联分析、医疗保险分析等。随着电子商务的发展，关联规則技术还被应用到电商平台，根据客户以往的购买记录，分析他可能感兴趣的商品。它还可以和其他的算法相结合运用，比如协同过滤算法 ，两者结合，就可以向顾客推荐他们可能感兴趣的商品。随着对关联规则认识的不断加深，我们可以将更多的因素融入其中，来拓展关联规则的应用广度，让其为更多的领域提供决策支持。

参考文献

[1] 韩宝国，张良均.R语言商务数据分析实战[M].北京：人民邮电出版社，2018：109.

[2] 李毅.基于Apriori算法的试卷知识点关联分析[J].新校园，2018（7）：52.

作者简介

司凤娟（1979-），女，山东菏泽人;学历：硕士，职称：讲师，现就职单位：菏泽学院，研究方向：概率论与数理统计。