企业官网建设流程全解析

一、什么是购物篮分析

经典问题：顾客买了面包，多大可能会买牛奶？买了啤酒的人，会不会买尿布？

业务场景：电商推荐、零售促销、货架摆放、捆绑销售。

一句话总结：关联规则挖掘"经常一起买"的商品组合，核心是支持度 + 置信度 + 提升度三大指标，提升度 > 1 才算真关联。

二、环境要求

三、数据预处理：事务 → One-Hot

原始数据：每行一笔交易，商品空格分隔。

transactions=pd.DataFrame({"products":["bread eggs","bread eggs milk","milk cheese","bread butter cheese","eggs milk","bread milk butter cheese"]})

转换为 One-Hot 矩阵：

工业方案：mlxtend.preprocessing.TransactionEncoder一行搞定。

frommlxtend.preprocessingimportTransactionEncoder te=TransactionEncoder()te_arr=te.fit(transactions['products'].apply(lambdax:x.split())).transform(...)

四、关联规则三大核心指标

1. 支持度 Support(A)

公式：Support(A) = count(A) / N

含义：A 在多少比例的交易中出现（流行程度）。

support=df.sum()/len(df)# bread: 0.6667 → 4/6 笔交易有 bread

2. 置信度 Confidence(A→B)

公式：Confidence(A→B) = Support(A∪B) / Support(A)

含义：买 A 的人里，有多大比例也买了 B（条件概率 P(B|A)）。

conf_cheese_bread=(len(df.query("cheese==1 and bread==1"))/len(df.query("cheese==1")))# 0.6667 → 买 cheese 的人 2/3 也买了 bread

3. 提升度 Lift(A→B)

公式：Lift(A→B) = Confidence(A→B) / Support(B)

含义：A 是否"真"对 B 有促进（过滤伪关联）。

五、为什么必须看提升度

反例：假设买手机壳 → 买手机置信度 90%，看似很强。

真相：90% 的人都会买手机，与买不买手机壳无关。手机本身就是高频商品，置信度高是"假象"。

提升度公式：Confidence / Support(B)把"高频商品干扰"剔除。

经验值：Lift > 1.5 才算强关联，Lift > 2 才有商业价值。

六、手工计算完整流程

# 1. 单品支持度support=df.sum()/len(df)# 2. 多品组合支持度sup_butter_cheese=len(df.query("butter==1 and cheese==1"))/len(df)# 3. 置信度conf_butter_cheese=(len(df.query("butter==1 and cheese==1"))/len(df.query("butter==1")))# 4. 提升度lift_butter_cheese=conf_butter_cheese/sup_butter_cheese# 2.0 → 买 butter 的人买 cheese 的概率是平均值的 2 倍

七、工业实现路径

原始日志 → 事务矩阵 → 频繁项集 → 关联规则 → 业务筛选

常用库：mlxtend

frommlxtend.frequent_patternsimportapriori,association_rules# 1. 挖掘频繁项集（支持度 ≥ 0.01）frequent_itemsets=apriori(df,min_support=0.01,use_colnames=True)# 2. 生成关联规则（置信度 ≥ 0.6）rules=association_rules(frequent_itemsets,metric="confidence",min_threshold=0.6)# 3. 按提升度筛选（Lift > 1.5）strong_rules=rules[rules["lift"]>1.5].sort_values("lift",ascending=False)

八、阈值经验值

调参思路：

• min_support过高：漏掉长尾规则；过低：组合爆炸
• min_confidence过高：规则过少；过低：噪声多
• min_lift是核心筛选器，必看

九、业务应用模板

业务问题：超市希望提升客单价 ↓ 挖掘关联规则（支持度 ≥ 0.02，置信度 ≥ 0.5，提升度 ≥ 1.5） ↓ 筛选"买了 A 必买 B"的强规则 ↓ 三种落地方式： 1. 捆绑销售（A+B 组合优惠） 2. 货架摆放（A 旁放 B） 3. 推荐系统（买了 A 推荐 B） ↓ A/B 测试验证转化率提升

十、关键要点

• 三大指标缺一不可：单独看置信度会被"高频商品"误导
• 提升度是核心：Lift > 1 才有真关联，Lift > 1.5 才强
• 支持度是过滤器：过滤掉罕见的"巧合"
• 小数据集手工实现：大数据用 mlxtend 的 Apriori/FP-Growth
• 业务验证不可省：统计上显著的规则未必有商业价值

十一、常见陷阱

• ❌ 只看置信度："啤酒→尿布"经典案例（伪关联）就会漏掉
• ❌ min_support 设太低：项集爆炸，内存溢出
• ❌ 忽略提升度：推荐无效规则，转化率不升反降
• ❌ 样本量太小：< 1000 笔交易，关联规则不可靠
• ❌ 强规则直接上线：必须 A/B 测试验证

十二、完整实战示例（mlxtend）

importpandasaspdfrommlxtend.frequent_patternsimportapriori,association_rules# 假设 df 已经是 One-Hot 编码的事务矩阵# 1. 频繁项集freq=apriori(df,min_support=0.05,use_colnames=True)# 2. 关联规则rules=association_rules(freq,metric="lift",min_threshold=1.2)# 3. Top 10 强规则top10=rules.sort_values("lift",ascending=False).head(10)print(top10[["antecedents","consequents","support","confidence","lift"]])

输出示例：

参考资料：ant-exercises-sklearn: scikit-learn 编程练习 100 例