啤酒尿布

您好，您的问题没有明白呢，方便在描述一下吗，希望可以帮助到您、

在“啤酒与尿布”的故事产生于20世纪90年代的美国沃尔玛超市中，沃尔玛的超市管 理人员分析销售数据时发现了一个令人难于理解的现象：在某些特定的情况下，“啤酒”与“尿布”两件看上去毫无关系的商品会经常出现在同一个购物篮中，这种 独特的销售现象引起了管理人员的注意，经过后续调查发现，这种现象出现在年轻的父亲身上。　在美国有婴儿的家庭中，一般是母亲在家中照看婴儿，年轻的父亲前去超市购买尿布。父亲在购买尿布的同时，往往会顺便为自己购买啤酒，这样就会出现啤酒与 尿布这两件看上去不相干的商品经常会出现在同一个购物篮的现象。如果这个年轻的父亲在卖场只能买到两件商品之一，则他很有可能会放弃购物而到另一家商店， 直到可以一次同时买到啤酒与尿布为止。沃尔玛发现了这一独特的现象，开始在卖场尝试将啤酒与尿布摆放在相同的区域，让年轻的父亲可以同时找到这两件商品， 并很快地完成购物；而沃尔玛超市也可以让这些客户一次购买两件商品、而不是一件，从而获得了很好的商品销售收入，这就是“啤酒与尿布”故事的由来。当 然“啤酒与尿布”的故事必须具有技术方面的支持。1993年美国学者Agrawal （个人翻译--艾格拉沃）提出通过分析购物篮中的商品集合，从而找出商品之间关联关系的关联算法，并根据商品之间的关系，找出客户的购买行为。艾格拉沃从 数学及计算机算法角度提出了商品关联关系的计算方法——A prior算法。沃尔玛从上个世纪90年代尝试将A prior算法引入到POS机数据分析中，并获得了成功，于是产生了“啤酒与尿布”的故事。

您好，您的问题没有明白呢，方便在描述一下吗，希望可以帮助到您、

买啤酒的人很大概率也会购买尿布,这种属于数据挖掘的关联规则，所以选择C。请采纳

啤酒尿布是大数据分析的关联规则挖掘。关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。它在数据挖掘中是一个重要课题，最近几年已被业界所广泛研究。关联规则挖掘的一个典型例子是购物篮分析。关联规则研究有助于发现交易数据库中不同商品（项）之间的联系，找出顾客购买行为模式，如购买了某一商品对购买其他商品的影响。分析结果可以应用于商品货架布局、货存安排以及根据购买模式对用户进行分类。尿布与啤酒这两种风马牛不相及的商品的销售数据曲线竟然初期的相似，于是就将尿布与啤酒摆在一起。关联规则挖掘的步骤：关联规则挖掘是2018年全国科学技术名词审定委员会公布的计算机科学技术名词。定义从数据库中发现频繁出现的多个相关联数据项的过程。出处《计算机科学技术名词》第三版。1、列出所有规则。2、计算这些规则的支持度和置信度。3、留下满足支持度置信度国值的关联规则。4、给定一个交易数据集T, 找出其中所有支持度support>=min_ support. 置信度confidence>=min_ confidence的关联规则。

关联规则挖掘