Python数据分析与可视化案例教程-第7章 关联规则分析与可视化(详解版）.pptxVIP

2026.6.5第7章关联规则分析与可视化《Python数据分析与可视化》

目录01关联规则挖掘概述02Apriori算法03FP增长算法

关联规则挖掘（AssociationRuleMining）是数据挖掘领域里最重要、最经典的分支之一，简单说就是?从海量交易数据中，自动发现“如果买了A，那么很可能也会买B”这种隐含规律?的技术。它告诉你哪些东西天生就该在一起，帮商家做捆绑销售、帮程序员做智能推荐。最经典的案例沃尔玛的啤酒与尿布的故事。沃尔玛超市通过分析线下门店一年多的销售交易数据，发现购买婴儿尿布的顾客多是年轻父亲，他们在买尿布时往往会顺便购买啤酒，于是超市将尿布和啤酒摆放在相邻区域销售，最终两种商品的销量同时大幅提升。1关联规则挖掘概述

假设你是一家超市的数据分析师，你想要了解顾客的购物习惯。你有一个包含所有交易数据的数据库，每一笔交易都记录了顾客购买的商品。关联规则是你在分析中发现的规律或者模式。比如，你可能会发现“如果顾客购买了牛奶，那么他们也很可能购买面包”这样一个规则。这个规则说明了牛奶和面包之间存在一种关联性。关联分析则是你用来发现这些规则的过程。从上表所示的数据中可以得到如下关联规则：{牛奶}→{面包}该规则表明牛奶和面包的销售之间存在着