大型超市购物篮问题.docVIP

大型超市“购物篮”分析 摘要 本文通过对大型超市“购物篮”的分析，运用Apriori算法的思想，做出相应的改进，利用支持度和置信度的大小进行一定程度的筛选，结合商品的利润大小，引入促销系数，通过促销系数的比较，得到科学的商品组合情况，设计一定的商品促销手段，实现超市效益的进一步增大。 对于问题一，我们参考了一种最有影响的挖掘布尔关联规则频繁项集的算法——Apriori算法。用matlab编程，得到每两个商品同时出现的个数，并求得它们的支持度和相互的置信度，设定最低支持度为5%，得到符合的两种商品组合数为17组。设定最低置信度为20%，对17组数据进行筛选，得到12组商品组合。最后通过关联密切系数的大小，得到了12组商品组合彼此关联关系的密切程度。 对于问题二，仅考虑商品支持度的大小，求得在一定最小支持度下被频繁地同时购买的商品组合。用matlab编程，设置最小支持度为2.12%，筛选两个商品组合时，我们得到了1391种组合方式，在此基础上筛选三个商品组合时，我们得到了40种组合方式；再继续筛选四个商品组合得到35种，最后筛选五个商品得到一种组合，六个商品组合时则没有出现大于最小支持度的组合方式。因此，我们得到了尽可能多的商品被频繁同时购买的信息。 对于问题三，在结合商品利润的条件下，引入促销系数H，考虑1391个两种商品组合中各商品的利润、支持度和置信度，分别计算出三者的