老高与购物篮分析
公告
“啤酒与尿布”是一个真实的故事，发生在1990年代的沃尔玛大卖场，代表卖场的购物篮商品之间存在着某种特定的关联关系，挖掘并利用这种关联关系，可以使得实体零售门店充分；了解顾客的购物场景，为选品与品类管理、定价与调价、促销策略及评估、关联陈列、顾客行为聚类等提供了有效的数据依据。
我在2008年撰写了《啤酒与尿布-神奇的购物篮分析》（清华大学出版），开辟本专栏,是为了与大家探讨实体门店购物篮管理的理念、计算方法及案例，以及能够与相关软件企业合作，开发相关应用软件产品
MP：13901022781 微信同号
统计
今日访问：506
总访问量：204581
无量化、无管理----量化购物篮分析及关联规则之二
2023年09月26日
评论数（0）二、购物篮量化分析的数据处理方法：
在进行量化购物篮分析时，需要对购物篮数据进行预处理，此时需要先行提取购物篮中商品的多维量化指标，对其挖掘包含的关联规则，这个过程称为预处理过程（Pre-Processing）。
1、连续型变量的离散化处理
零售业中的经营数据基本都是连续数值变量，Apriori算法只擅长对离散变量的处理，在没有新关联分析算法产生之前，量化关联分析需要将连续数值变量进行离散化处理。
连续变量的离散化处理，是将连续数值型变量转换为区间型的数值变量，也称为连续性离散化方法，这种方法将连续属性的邻近值分组，形成有限个区间交易数据的变量，在数据挖掘界也被称为粗分类（Categorization）处理，或被称为归类、分级、分组、分箱等，目的是减少交易数据类别的数量，减少分析对象的颗粒度，从而可以创建有意义的区间，得到更加健壮的模型。
购物篮的商品项目属性离散化，可以称为数据的连续属性和分类属性的二元化，为了使用类似Apriori算法从二元化数据中提取频繁项集，每个频繁项集确定一个“有趣”阈值区间，随后可以使用传统统计学的均值、中位数、方差或绝对偏差等统计量对目标属性在每个段内的分布进行汇总。
对购物篮的属性参数进行划分时，应该有数据分析人员与零售用户共同商量制定，此时需要注意的是：
如果区间太宽，比如将客单价的区间跨度太大，直接跨越到几十元，有可能缺乏置信度而丢失某些模式，因为此时尽管具有较高的支持度，但是因为较宽的区间导致规则的置信度都小于阈值，有些有效的关联规则被混淆在某些金额区间中。
或者如果区间太窄，比如将客单价的区间设置为几元一个档次，则可能因为缺乏支持度而丢失某些模式，此时的关联规则可能被过窄的购物篮金额区间所稀释，导致有意义的关联规则被淹没。
我们举例说明，在进行量化购物篮分析时，购物篮金额就是一个连续型变量，此时将购物篮金额这一连续变量变成离散型类别变量，例如将购物篮金额分为20-30元、30-40元、40-50元几个等间距宽度的邻近值类别（分组）变量。
或者将购物篮金额分为2个类别区间：
类别1：（30，70）元区间；
类别2：（90，120）元区间；
也可以按照等频度的方法，将购物篮金额按照出现的频度，分为2个类别：
高频度类别1（30、70）；
低频度类别2（90，120）；
这样可以将购物篮金额作为一个离散型变量，代入到Apriori算法的项集矩阵中，进行二个或三个指标的对比分析，在发现具有关联规则时，再次进行量化指标的分析。
由于这种方法事先设定好离散值的范围，因此也被称为静态离散化(static discretization)，静态离散化主要应用于项目型量化关联规则项目。
动态离散化指的是在数据分析过程中，不需要事先设置好离散值的范围，动态调整离散值的区间、分类，这个方法主要应用于量化规则的软件产品化设计中，在此不在详细讲述。