商品关联规则分析数据集ProductAssociationRulesAnalysis-jp0909
数据来源：互联网公开数据
标签：关联分析, 购物篮分析, 市场篮子, 推荐系统, 数据挖掘, 规则挖掘, 机器学习, 商品销售
数据概述：
该数据集包含通过Apriori算法生成的商品关联规则，记录了商品之间的关联关系及相关统计指标。主要特征如下：
时间跨度：数据未明确标注时间，可视为一段时间内的商品销售数据分析结果。
地理范围：数据未明确标注地理范围，推测为特定销售渠道或零售商的商品销售数据。
数据维度：
antecedents：前项，即购买了哪些商品的集合；
consequents：后项，即同时购买了哪些商品的集合；
antecedent support：前项的支持度；
consequent support：后项的支持度；
support：同时包含前项和后项的支持度；
confidence：置信度，表示在购买了前项商品的情况下，购买后项商品的概率；
lift：提升度，衡量前项和后项之间的关联强度；
leverage：杠杆率，衡量前项和后项之间的独立性；
conviction：确信度，衡量前项和后项之间的关联程度；
zhangs_metric：张氏度量，衡量关联规则的显著性。
数据格式：CSV格式，文件名为fp_association_rules.csv，便于数据分析与挖掘。此外，可能包含用于模型训练的pkl文件。
来源信息：数据来源于Apriori算法的计算结果，已进行关联规则挖掘。
该数据集适合用于商品关联规则分析和推荐系统构建。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于市场营销、消费者行为分析等领域的研究，如商品组合推荐、交叉销售策略研究等。
行业应用：可以为电商平台、零售商提供数据支持，特别是在优化商品陈列、个性化推荐、促销活动设计等方面。
决策支持：支持企业制定基于数据的营销策略，提高销售额和客户满意度。
教育和培训：作为数据挖掘、机器学习课程的实训案例，帮助学生和研究人员理解关联规则挖掘的原理和应用。
此数据集特别适合用于探索商品之间的关联规律，帮助用户构建推荐系统、优化商品组合、提升销售业绩。
