『壹』 什么是购物篮分析(Market Basket Analysis)
将单个客户一次购买商品的总和(以收银台结账为准)称为一个购物篮。那么购物篮分析就是针对商品的相关性进行分析。因为最初这种关联分析主要是在超市应用广泛，所以也称为“购物篮分析”。
购买一种商品的顾客占全部顾客的一个比率。反映的是全品类的关联能力，行业参考值为40%，该值越小越好，越小说明关联能力越强。
客品次指一段时间里平均每位顾客购买的商品品种数。这里主要指中西成药。其反映的中西成药的关联能力。客品次=累计商品品种数/客流量，行业参考值是1.8。
(1)r平台的关联分析购物篮扩展阅读
如果在研究的问题中，一个用户购买的所有产品假定是同时一次性购买的，分析的重点就是所有用户购买的产品之间关联性；如果假定一个用户购买的产品的时间是不同的，而且分析时需要突出时间先后上的关联，如先买了什么，然后后买什么。
那么这类问题称之为序列问题，它是关联问题的一种特殊情况。从某种意义上来说，序列问题也可以按照关联问题来操作。
关联分析有三个非常重要的概念，那就是“三度”：支持度、可信度、提升度。假设有10000个人购买了产品，其中购买A产品的人是1000个，购买B产品的人是2000个，AB同时购买的人是800个。支持度指的是关联的产品（假定A产品和B产品关联）同时购买的人数占总人数的比例，即800/10000=8%。
有8%的用户同时购买了A和B两个产品；可信度指的是在购买了一个产品之后购买另外一个产品的可能性，例如购买了A产品之后购买B产品的可信度=800/1000=80%。
『贰』 请问excel怎么做商品关联数据透视
这个需求是一个购物篮分析。从您的描述来看，我能想到的最简单办法是：
在原始数版据表里权，把一个订单的商品名称组合成一个字段，如您所说的abcd这样的
直接用数据透视表对这个商品组合字段进行计数。再按从大到小排列，这样就可以看出哪些商品组合购买次数最多了。
『叁』 如何用r语言把关联分析中数据做成ld图
： 主要介绍R语言绘制图琢磨思路绘制图步骤三： 需要绘制图；（约等于废） 要绘制图理信息经纬度啊边界啊等等； 利用2数据R画 步骤目前关键2r语言编写数据用关系图展示前端页面
『肆』 R语言做关联分析
tr=read.transactions(file="apri.txt",format = "single",cols = c(2,1))
cols错了
『伍』 从数据库中查询每位顾客购买的情况，想知道怎么转化成购物篮数据的格式，用于R语言上
直接上SQL语句袭
create table tb(顾客 varchar(10),商品 varchar(10),价格 int);
insert into tb VALUES ('张三','手表',74);insert into tb VALUES ('张三','钱包',22);
insert into tb VALUES ('张三','食物',8);
insert into tb VALUES ('李四','手表',260);
insert into tb VALUES ('李四','钱包',100);
insert into tb VALUES ('李四','食物',100);
select * from tb;
select * from tb pivot( MAX(价格) for 商品 in (手表,钱包,食物))a『陆』 我有一批保存在excel中的超市数据，分别是订单号和产品名称，想做一个购物篮分析，请问如何做呢急求~
有关置信来度分析，按照所基于的分析模自型的不同，应该有很多算法吧，而且，会牵涉到需要精确逻辑的编程。这样笼统地一个提问，貌似很难帮到你。再说，一个复杂的大数据问题，在网络知道这样的简单交互平台也很难细致地沟通啊。
『柒』 多维关联规则挖掘算法r语言能实现吗
一下自己学习关联规则经典算法Apriori的笔记。
1、概述
Apriori算法是用一种称为逐层搜索的迭代方法，从项集长度k=1开始，选出频繁的k=1项集，根据先验性质：频繁项集的子集一定是频繁的（逆否命题：非频繁项集的超集一定是非频繁的，通俗的说就是某件事发生的概率很低，比这件事发生条件更严苛的事情发生的概率会更低），筛选k=2项集中的频繁项集，以此迭代k=3...。每迭代一次都要完整的扫描一次数据库。
2、关联规则三度：
支持度：占比
置信度：条件概率
提升度：相关性
3、R语言示例代码如下：（小众语言的辛酸：选项里没有。。）
[plain] view plain
library(arules)
#从rattle包中读入数据
dvdtrans <- read.csv(system.file("csv", "dvdtrans.csv",package="rattle"))
str(dvdtrans)
#将数据转化为合适的格式
data <- as(split(dvdtrans$Item,dvdtrans$ID),"transactions")
data
#用 apriori命令生成频繁项集，设其支持度为0.5，置信度为0.8
rules <- apriori(data, parameter=list(support=0.5,confidence=0.8,minlen = 2))
#用inspect命令查看提取规则
inspect(rules)
常用数据形式有data.frame格式和list格式，前者即A项集为一列B项集为另一列，后者为A和B放在同一个购物篮中。
去除冗余规则以及提取子规则代码如下：
[plain] view plain
rendant.rm <- function(rule,by="lift")
{
#rule：需要进行简化的规则
#by：在清除的时候根据那个变量来选择，
#可能取值为"support","lift","confidence"
a <- sort(rule,by=by)
m<- is.subset(a,a,proper=TRUE)
m[lower.tri(m, diag=TRUE)] <- NA
r <- colSums(m, na.rm=TRUE) >= 1
finall.rules <- a[!r]
return(finall.rules)
}
rules <- rendant.rm(rules)
rules.sub <- subset(rules, subset = lhs %in% "筛选项集名称" & lift > 1)
『捌』 r关联分析可视化图grouped matrix怎么解释
规则来挖掘包arules
规则可视自化包arulesViz
2.数据源选取加载
源数据：groceries 数据集，每一行代表一笔交易所购买的产品（item），形如：
citrus fruit,semi-finished bread,margarine,ready soups
tropical fruit,yogurt,coffee
whole milk
pip fruit,yogurt,cream cheese,meat spreads
other vegetables,whole milk,condensed m
『玖』 急需一份关于数据挖掘的数据集，是做关联算法Apriori算法的数据集，
可以搜索weka bank-data。回答不能用超链接，你自己搜索一下吧。