人工智能基础与应用（第2版）（微课版）课件 6-3 项目2-推你要一起购买的商品

6-3项目2—推荐你要一起购买的商品模块❻个性化推荐：主动满足你的需求目录CONTENTS提出问题01预备知识03解决方案02任务1—将CSV文件数据转换为事务型数据04任务3—提取有用的销售关联规则06任务2—找出购物清单中频繁购买的商品05一.提出问题问题描述当顾客走进一家实体卖场或进入一个在线商店时，商家会如何向他推荐商品呢？或者作为一个卖场的管理者，该如何根据顾客已购买的商品类型向他兜售关联的商品呢？假设卖场想举办一个商品促销活动，如何知道哪些捆绑商品是顾客喜欢的？进一步思考，为方便顾客购买，提升顾客的消费体验，该如何对卖场的商品摆放布局进行调整呢二.解决方案2.解决方案（1）数据整理表6-6中1表示某商品出现在某次购物清单中，0表示没有出现，这样就形成了一个可反映所有种类商品在购物清单中是否出现的矩阵。二.解决方案2.解决方案（2）具体方案数据合并整理为事务型数据找频繁被购商品项筛选有用的购物模式推荐购物模式三.预备知识1.事务型数据转换事务型数据三.预备知识1.事务型数据代码实现三.预备知识2.frequent_patterns模块的主要函数【引例6-3】按最小支持度为0.5、最小置信度为0.6来计算表6-7所示购物清单中的频繁项集和关联规则。三.预备知识2.frequent_patterns模块的主要函数（1）找支持度>=0.5的频繁项集实现代码运行结果三.预备知识2.frequent_patterns模块的主要函数（2）找出步骤1中频繁项集隐含的关联规则运行结果四.任务1——将CSV文件数据转换为事务型数据1.将文件数据保存到列表中列表中的数据（部分）四.任务1——将CSV文件数据转换为事务型数据2.对列表数据进行事务编码处理部分数据五.任务2——找出购物清单中频繁被购买的商品1.确定合理的最小支持度结论：一种商品每天被购买的次数为0.02609×9835÷30≈8.6次，说明以这个频次被购买的商品是值得去发现其中可能隐藏的一些规则的，所以尝试设定最小支持度为0.02。五.任务2——找出购物清单中频繁被购买的商品2.找出频繁项集（1）利用Apriori找出所有的频繁项集运行结果五.任务2——找出购物清单中频繁被购买的商品2.找出频繁项集（2）找出频繁2-项集运行结果：六.任务3——提取有用的销售关联规则1.挖掘出一些关联规则已经找出了一些频繁2-项集，但两种商品一起出现的可能性有多大？它们之间是否存在一些购买模式或者关联规则呢？前11项六.任务3——提取有用的销售关联规则2.关联规则分析和评估在买黄油的顾客中，有一半的人同时购买了全脂牛奶提升度均大于1，说明这些关联规则所涉及的两种商品是有关联，前一种商品的销售是会影响后一种商品的销售的。六.任务3——提取有用的销售关联规则2.关联规则分析和评估这些关联规则中，哪些关联规则是有用的？哪些关联规则的商业价值不大？哪些关联规则其实就是一类事实的重现？六.任务3——提取有用的销售关联规则2.关联规则分析和评估五.任务3——为3类客户提出营销建议2.关联规则分析和评估结论将{黄油}→{全脂牛奶}、{豆腐}→{全脂牛奶}、{土鸡蛋}→{全脂牛奶}等关联规则应用于零售超市是很有用的。根据关联规则提示，可以将这些商品捆绑促销，或者将这些商品尽可能放置在一个楼层以方便顾客购买，达到提高销售额的效果。可以根据商家试图要促销的商品种