关联规则(购物篮分析):支持度 / 置信度 / 提升度
一、什么是购物篮分析经典问题顾客买了面包多大可能会买牛奶买了啤酒的人会不会买尿布业务场景电商推荐、零售促销、货架摆放、捆绑销售。一句话总结关联规则挖掘经常一起买的商品组合核心是支持度 置信度 提升度三大指标提升度 1 才算真关联。二、环境要求依赖库版本要求Python3.14scikit-learn1.9pandas3.0numpy2.4jupyter1.1notebook7.5nbconvert7.17三、数据预处理事务 → One-Hot原始数据每行一笔交易商品空格分隔。transactionspd.DataFrame({products:[bread eggs,bread eggs milk,milk cheese,bread butter cheese,eggs milk,bread milk butter cheese]})转换为 One-Hot 矩阵交易breadbuttercheeseeggsmilk010010110011200101311100400011511101工业方案mlxtend.preprocessing.TransactionEncoder一行搞定。frommlxtend.preprocessingimportTransactionEncoder teTransactionEncoder()te_arrte.fit(transactions[products].apply(lambdax:x.split())).transform(...)四、关联规则三大核心指标1. 支持度 Support(A)公式Support(A) count(A) / N含义A 在多少比例的交易中出现流行程度。supportdf.sum()/len(df)# bread: 0.6667 → 4/6 笔交易有 bread2. 置信度 Confidence(A→B)公式Confidence(A→B) Support(A∪B) / Support(A)含义买 A 的人里有多大比例也买了 B条件概率 P(B|A)。conf_cheese_bread(len(df.query(cheese1 and bread1))/len(df.query(cheese1)))# 0.6667 → 买 cheese 的人 2/3 也买了 bread3. 提升度 Lift(A→B)公式Lift(A→B) Confidence(A→B) / Support(B)含义A 是否真对 B 有促进过滤伪关联。Lift 值含义业务建议 1A 提升 B 出现概率正相关✅ 可作推荐规则 1A 与 B 独立❌ 不可用 1A 抑制 B负相关⚠️ 反推荐五、为什么必须看提升度反例假设买手机壳 → 买手机置信度 90%看似很强。真相90% 的人都会买手机与买不买手机壳无关。手机本身就是高频商品置信度高是假象。提升度公式Confidence / Support(B)把高频商品干扰剔除。经验值Lift 1.5 才算强关联Lift 2 才有商业价值。六、手工计算完整流程# 1. 单品支持度supportdf.sum()/len(df)# 2. 多品组合支持度sup_butter_cheeselen(df.query(butter1 and cheese1))/len(df)# 3. 置信度conf_butter_cheese(len(df.query(butter1 and cheese1))/len(df.query(butter1)))# 4. 提升度lift_butter_cheeseconf_butter_cheese/sup_butter_cheese# 2.0 → 买 butter 的人买 cheese 的概率是平均值的 2 倍七、工业实现路径原始日志 → 事务矩阵 → 频繁项集 → 关联规则 → 业务筛选步骤工具频繁项集挖掘Apriori / FP-Growth规则生成mlxtend.fpgrowth / apriori业务筛选提升度 1 业务回查常用库mlxtendfrommlxtend.frequent_patternsimportapriori,association_rules# 1. 挖掘频繁项集支持度 ≥ 0.01frequent_itemsetsapriori(df,min_support0.01,use_colnamesTrue)# 2. 生成关联规则置信度 ≥ 0.6rulesassociation_rules(frequent_itemsets,metricconfidence,min_threshold0.6)# 3. 按提升度筛选Lift 1.5strong_rulesrules[rules[lift]1.5].sort_values(lift,ascendingFalse)八、阈值经验值阈值推荐值含义min_support0.01 ~ 0.05至少 1-5% 交易出现min_confidence≥ 0.660% 以上的可能性min_lift 11.5 更强过滤伪关联调参思路min_support过高漏掉长尾规则过低组合爆炸min_confidence过高规则过少过低噪声多min_lift是核心筛选器必看九、业务应用模板业务问题超市希望提升客单价 ↓ 挖掘关联规则支持度 ≥ 0.02置信度 ≥ 0.5提升度 ≥ 1.5 ↓ 筛选买了 A 必买 B的强规则 ↓ 三种落地方式 1. 捆绑销售AB 组合优惠 2. 货架摆放A 旁放 B 3. 推荐系统买了 A 推荐 B ↓ A/B 测试验证转化率提升十、关键要点三大指标缺一不可单独看置信度会被高频商品误导提升度是核心Lift 1 才有真关联Lift 1.5 才强支持度是过滤器过滤掉罕见的巧合小数据集手工实现大数据用 mlxtend 的 Apriori/FP-Growth业务验证不可省统计上显著的规则未必有商业价值十一、常见陷阱❌ 只看置信度啤酒→尿布经典案例伪关联就会漏掉❌ min_support 设太低项集爆炸内存溢出❌ 忽略提升度推荐无效规则转化率不升反降❌ 样本量太小 1000 笔交易关联规则不可靠❌ 强规则直接上线必须 A/B 测试验证十二、完整实战示例mlxtendimportpandasaspdfrommlxtend.frequent_patternsimportapriori,association_rules# 假设 df 已经是 One-Hot 编码的事务矩阵# 1. 频繁项集freqapriori(df,min_support0.05,use_colnamesTrue)# 2. 关联规则rulesassociation_rules(freq,metriclift,min_threshold1.2)# 3. Top 10 强规则top10rules.sort_values(lift,ascendingFalse).head(10)print(top10[[antecedents,consequents,support,confidence,lift]])输出示例antecedentsconsequentssupportconfidencelift{butter}{cheese}0.3331.0002.000{bread, milk}{butter}0.1670.8002.400……………参考资料ant-exercises-sklearn: scikit-learn 编程练习 100 例

相关新闻

【计算机毕业设计单片机案例】基于 STM32 的 OLED 实时显示智能水杯硬件控制系统设计 基于 STM32 的红外感应定时饮水提醒设备设计与开发(011805)

【计算机毕业设计单片机案例】基于 STM32 的 OLED 实时显示智能水杯硬件控制系统设计 基于 STM32 的红外感应定时饮水提醒设备设计与开发(011805)

博主介绍:✌️码农一枚 ,专注于大学生项目实战开发、讲解和毕业🚢文撰写修改等。全栈领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于嵌入式单片机,Java、小程序技术领域和毕业项目实战 ✌️…

2026/11/15 6:52:15 阅读更多 →
【计算机毕业设计单片机案例】基于 STM32 的人机交互可调阈值环境智能控制系统设计 基于 STM32 的 DHT11 与 YL-69 传感器环境监测终端设计(011705)

【计算机毕业设计单片机案例】基于 STM32 的人机交互可调阈值环境智能控制系统设计 基于 STM32 的 DHT11 与 YL-69 传感器环境监测终端设计(011705)

博主介绍:✌️码农一枚 ,专注于大学生项目实战开发、讲解和毕业🚢文撰写修改等。全栈领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于嵌入式单片机,Java、小程序技术领域和毕业项目实战 ✌️…

2026/11/18 15:00:45 阅读更多 →
基于CNN的猫狗图像分类实战:从数据预处理到模型训练

基于CNN的猫狗图像分类实战:从数据预处理到模型训练

简介:图像分类是计算机视觉中最基础也最典型的任务,而卷积神经网络(CNN)通过自动学习边缘、纹理、形状等多层级视觉特征,取代了传统人工特征加分类器的繁琐方案,成为解决此类问题的核心技术。在实际工程中&…

2026/11/16 7:48:51 阅读更多 →

最新新闻

Electron桌面应用开发实战:从环境搭建到打包发布全流程

Electron桌面应用开发实战:从环境搭建到打包发布全流程

做前端这些年,我大部分时间都在跟浏览器标签页打交道,直到第一次把桌面应用跑起来,才发现原来自己一直被限制在地址栏和刷新按钮围起来的框框里。Electron这个词,最开始是在某段时间频繁出现在同事的讨论里,一个用HTML…

2026/11/18 13:59:04 阅读更多 →
滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

简介:亚太天能T109滑盖智能锁产品说明书是一份PDF格式的官方技术文档,主要面向智能锁安装人员、终端用户及售后维护者,帮助快速掌握产品安装、配置与常见故障处理。全包仅1个PDF文件,大小4.37MB,内容结构清晰&#xff…

2026/11/18 15:33:23 阅读更多 →
PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

上个月我在调试一台高速AGV的驱动系统,整车要求空载跑到8m/s,电机转速已经拉到额定点,驱动器的输出电压也顶到了母线电压极限附近。再往上踩速度指令,转速纹丝不动,三相电流反而开始震荡。那会儿我的第一反应就是&…

2026/11/18 17:05:28 阅读更多 →
C++核心知识点:从内存管理到STL的实战指南

C++核心知识点:从内存管理到STL的实战指南

C 这门语言我前前后后折腾了十几年,用它写过嵌入式驱动、做过游戏服务端,也搭过基础组件库。每次看到新人一头扎进"C 核心知识点"这个搜索词,我其实挺感慨的——这门语言的难点从来不是语法多,而是知识点之间的耦合太深…

2026/11/18 14:33:19 阅读更多 →
T109滑盖智能锁怎么装?安装调试与故障排查全攻略

T109滑盖智能锁怎么装?安装调试与故障排查全攻略

简介:亚太天能T109滑盖智能锁产品说明书以PDF格式发布,适合智能锁用户、安装人员与售后维修人员阅读。内容围绕T109系列指纹密码刷卡锁展开,先介绍前面板、后面板、锁体、机械钥匙、电池盒盖等部件名称与功能,再给出完整安装步骤&…

2026/11/18 17:05:28 阅读更多 →
LLM知识降熵:从信息垄断到理解权下放

LLM知识降熵:从信息垄断到理解权下放

你有没有过这种经历:翻开源码注释、论文摘要或者一份专业报告,每个字都认识,连在一起却像天书。想找人聊聊,身边要么没人懂,要么懂的懒得跟你解释。后来我试着把同一段内容丢给一个大语言模型,几秒钟之后&a…

2026/11/18 14:13:08 阅读更多 →

日新闻

周新闻

月新闻