R 语言 基于关联规则与聚类分析的消费行为统计
《金融数据挖掘案例分析》
课程设计报告
题 目: 基于关联规则与聚类分析的消费行为统计
学生姓名: 序号:
学生姓名: 序号:
学生姓名: 序号:
学生姓名: 序号:
指导教师:
信息工程与计算机学院
2020年06月3日
基于关联规则的消费行为统计
摘 要:“双十一”购物狂欢节现已成中国电子商务的年度盛典,随着电子商务平台的逐渐兴起,平台的竞争也越来越强,为了更好地提高平台和商家利润,我们决定研究围绕平台和购物者的数据集。我们确定了背景及目标,对数据进行理解和详细的多方位分析。也进行了关联规则分析和聚类分析,发现了多种实际情况,并查看了各类别的分布情况,将结果绘制成散点图。
最终,我们对所有分析进行总结并得出结论,将结论模拟应用到现实生活场景之中,对平台的产品进货情况,库存量,以及个性化推荐营销都做出了基于分析的相关建议。同时,我们也更加深入的了解了数据挖掘与分析的流程和目的。
关键词:R语言;关联规则分析;聚类分析;散点图
Consumer Behavior Statistics Based on Association Rules and Cluster Analysis
Abstract: The “Double Eleven” shopping carnival has now become the annual festival of e-commerce in China. With the gradual rise of e-commerce platforms, the competition of the platforms has become s
R 语言 基于关联规则与聚类分析的消费行为统计相关推荐
- R语言实现关联规则与推荐算法(学习笔记)
R语言实现关联规则 笔者前言:以前在网上遇到很多很好的关联规则的案例,最近看到一个更好的,于是便学习一下,写个学习笔记. 推荐算法中 物品-物品用关联规则: 人物-物品用协同过滤: 人-人用社会网络分 ...
- R语言基于日期范围筛选数据实战(Subset by a Date Range):日期范围之内的数据、日期范围之外的数据、日期之后的数据、日期之前的数据
R语言基于日期范围筛选数据实战(Subset by a Date Range):日期范围之内的数据.日期范围之外的数据.日期之后的数据.日期之前的数据 目录 R语言基于日期范围筛选数据实战(Subse ...
- R语言基于可视化进行多变量离群(Mulltivariate outliers)点检测识别:散点图可视化多变量离群点、模型平滑多变量异常检测、使用平行坐标图查看钻石数据集中的异常值
R语言基于可视化进行多变量离群(Mulltivariate outliers)点检测识别:散点图可视化多变量离群点.模型平滑多变量异常检测.使用平行坐标图查看钻石数据集中的异常值 目录
- R语言基于多字段(多数据列、multiple columns)对dataframe的行数据进行排序(Ordering rows)实战:使用R原生方法、data.table、dplyr等方案
R语言基于多字段(多数据列.multiple columns)对dataframe的行数据进行排序(Ordering rows)实战:使用R原生方法.data.table.dplyr等方案 目录
- R语言基于Bagging算法(融合多个决策树)构建集成学习Bagging分类模型、并评估模型在测试集和训练集上的分类效果(accuray、F1、偏差Deviance):Bagging算法与随机森林对比
R语言基于Bagging算法(融合多个决策树)构建集成学习Bagging分类模型.并评估模型在测试集和训练集上的分类效果(accuray.F1.偏差Deviance):Bagging算法与随机森林对比 ...
- R语言基于自定义函数构建xgboost模型并使用LIME解释器进行模型预测结果解释:基于训练数据以及模型构建LIME解释器解释一个iris数据样本的预测结果、LIME解释器进行模型预测结果解释并可视化
R语言基于自定义函数构建xgboost模型并使用LIME解释器进行模型预测结果解释:基于训练数据以及模型构建LIME解释器解释一个iris数据样本的预测结果.LIME解释器进行模型预测结果解释并可视化 ...
- R语言基于自定义函数构建xgboost模型并使用LIME解释器进行模型预测结果解释:基于训练数据以及模型构建LIME解释器解释多个iris数据样本的预测结果、使用LIME解释器进行模型预测结果解释
R语言基于自定义函数构建xgboost模型并使用LIME解释器进行模型预测结果解释:基于训练数据以及模型构建LIME解释器解释多个iris数据样本的预测结果.使用LIME解释器进行模型预测结果解释并可 ...
- R语言基于MASS包中的shuttle数据集以及neuralnet包构建神经网络模型
R语言基于MASS包中的shuttle数据集以及neuralnet包构建神经网络模型 目录 R语言基于MASS包中的shuttle数据集以及neuralnet包构建神经网络模型
- R语言基于随机森林进行特征选择(feature selection)
R语言基于随机森林进行特征选择(feature selection) 目录 R语言基于随机森林进行特征选择(feature selection)
最新文章
- bootstrap-fileinput组件在上传时传递额外参数
- Linux的内存分页管理
- C语言对strtok(),与strdup()介绍
- Android Studio使用Google Flutter完整教程
- Eclipse中使用Gradle构建Java Web项目
- 苹果调整App Store政策;国内首个5G+8K超高清国产化白皮书发布;Windows计算器移植到到 Linux|极客头条
- 19年北理考研计算机复试分数多少钱,2019年北京理工大学考研复试分数线已出现...
- 不为人知的Nothing和Is
- QT5.14.2 官方例子 - 学习系列
- 《高等代数学》(姚慕生),习题1.4:行列式的展开和转置
- kubernetes完整二进制部署从0到1
- android动画素材下载,Android Lottie动画使用
- 华为交换机console口密码配置
- H5页面调用微信授权获取code
- springcloud微服务中跨域配置
- 配置apache支持django
- vscode 添加新建文件夹快捷键 (配置 when 属性)
- Manjaro 个人新装配置
- java jtextarea滚动条下滑,JTextArea更新时滚动条自动在最上面或者在最下面的方法...
- 如何提高网站seo排名(关键词排名怎么样优化)