1 什么是购物篮分析
购物篮分析（Market basket analysis）是用来挖掘消费者已购买的或保存在购物车中物品组合规律的方法。这个概念适用于不同的应用，特别是商店运营。源数据集是一个巨大的数据 记录，购物篮分析的目的发现源数据集中不同项之间的关联关系。例如，购买鞋的顾客，有10%的可能也会买袜子，60%的买面包的顾客，也会买牛奶。这其中最有名的例子就是 "尿布和啤酒"的故事：
我们去沃尔玛超市会发现一个很有趣的现象：货架上啤酒与尿布竟然放在一起售卖，这看似两者毫不相关的东西，为什么会放在一起售卖呢？
原来，在美国，妇女们经常会嘱咐她们的丈夫下班以后给孩子买一点尿布回来，而丈夫在 买完尿布后，大都会顺手买回一瓶自己爱喝的啤酒（由此看出美国人 爱喝酒）。商家通过对一年多的原始交易记录进行详细的分析，发现了这对神奇的组合。于是就毫不犹豫地将尿布与啤酒摆放在一起售卖，通过它们的关联性，互相促进销售。“啤酒与尿布”的故事一度是营销界的神话。
2 关联规则
2.1 简介
那么问题来了，商家是如何发现啤酒与尿布两者之间的关联性呢？
这里就用到了关联规则挖掘。大致意思就是从大量数据中找出某两个 对象（暂且称为X， Y）的关联性。
关联规则就是从一种行为中发现与之相关联的另一种行为，即A→B，并用一定的概率度加以保 证。关联规则广泛的应用在零售业、金融业和互联网行业。运用在购物篮分析中，挖掘一般顾客在购买X产品的同时还会购买其他什么产品，于是制定相应营销策略，进行捆绑销售，增加销售量。
又如金融业中，预测银行客户需求，如果数据库中显示，某个高信用限额的客户更换了地址，这个客户很有可能新近购买了一栋更大的住宅，因此会有可能需要更高信用限 额，更高端的新信用卡，或者需要一个住房改善 贷款，这些产品都可以通过信用卡账单邮寄给客户。电子购物网站也使用关联规则进行挖掘，一些购物网站使用关联规则设置相应的交叉销售，也就是购买某种商品的顾客会看到相关的另外一种商品的广告。
2.2 如何来度量一个规则是否足够好？
有两个量，置信度(Confifidence)和支持度(Support)。
支持度（ support）：
支持度也就是A和B同时出现的频率，即P(AB)。如果A和B一起出现的频率非常小，那么就说明了A和B之间的联系并不大; 但若一起出现的频率非常频繁，那么A和B的关联性也就自然更大。上面例子的支持度就是： 800/10000*100%=8%。
置信度（confifidence）：
置信度也称为可靠度，置信度表示了 这条规则有多大程度上值得可信。 也就是在A出现的情况下B出现的概率，即P(B|A)，P(B|A)=P(AB)/P(A)。因此，上面例子的置信度就是： P(AB)=8%,P(A)=1000/10000*100%=10%,P(B|A)=8%/10%=80%
置信度揭示了B出现时，A是否一定会出现，如果出现则其大概有多大的可能出 现。如果置信度为100%,则说明了B出现时，A一定出现。那么，对这种情况而言，假设A和B是市场上的两种商品，就没有理由不 进行捆绑销售了。如果置信度太低，那么就会 产生这样的疑问，A和B关系并不大，也许与B关联的并不是A。
最小支持度：
它表示了一组物品集在统计意义上需要满足的最低程度。
最小可信度 :
它反映了关联规则的最低可靠程度。
2.3 购物篮分析的应用
购物篮分析的主要应用如下：
个性化推荐：在界面上 给用户推荐相关商品
组合优惠券：给购买过得用户发放同时购买组合内商品的优惠券
捆绑销售：将相关商品组合起来销售
3 描述性统计结果
数据集中一共有9835个记录，也就是9835个订单，其中有2159个订单只买了一件商品。整个数据集 总共有169种商品。
购买量最大的前五位商品分 别是：
whole milk （全脂牛奶），other vegetables (其他蔬菜)，rolls/buns (甜点)，soda (碳酸饮料)， yogurt（酸奶）
4 Apriori关联分析
Apriori算法实现基本流程：
①选出满足支持度最小阈值的所有项集，即频繁项集；
②从频繁项集中找出满足最小置信度的所有规则。
其实apriori算法特别好理解，就是只计算频繁集都特别高的子集。比如在我们数据集中，频繁集最高的单个商品是whole milk(全脂牛奶)，那么，在计算并集的时候，从这个商品开始入手计算。节省了运行次数和空间。
由于默认的支持度为10%，可信度为80%，对于当前的9835条交易记录来说过高，使得没有这样的交易满足这两个条件。因此，如果使用 Apriori算法的默认参数设置时将产生0条规则。故需要人为调整支持度和可信度,这里不妨将支持度设置为1%，即认为某种商品在购物篮中至少出现98次，可信度设置为30%，即认为同时出现某几种商品组合的概率为30%。
