Build your ultimate AI agent
课程介绍
上次您去超市时，购物篮里都有哪些商品？您购买的商品之间是否有关联，例如意大利面配西红柿，或火腿配菠萝？无论线上还是线下，零售商都会利用数以百万计顾客购物篮中的信息，通过关联规则分析商品之间的关系并提取洞见。为帮助您量化商品之间的关联强度，您将使用购物篮分析来发掘潜在联系，并可视化相关且有启发性的规则。随后，您还将把所学应用到一个电影数据集上，预测哪些电影经常被一起观看，从而为用户创建个性化的电影推荐。
先修要求
课程大纲
课程大纲
1
购物篮分析入门
您的篮子里有什么？在本章中，您将学习如何使用购物篮分析（MBA）来观察购物篮并深入挖掘项集，更好地理解客户并预测其需求。借助 tidyverse 和 dplyr，您将了解从给定商品集合可以构造出多少个购物篮，并体会购物篮分析在在线购物、线下购物以及零售以外场景中的价值。
2
购物篮分析的指标与技术
本章中，您将把交易型数据集转换为适合分析的篮子格式，以便使用 Apriori 算法。随后会介绍购物篮分析的三大核心指标：support、confidence 和 lift。接着，您将亲手使用 Apriori 算法从交易数据集中抽取规则。最后，您将探索如何使用 arules 包来进行购物篮分析，以检索篮子规则，并帮助您找到最具信息量且最相关的规则。
3
购物篮分析中的可视化
让我们进入可视化环节。本章中，您将对之前挖掘得到的规则集进行可视检查。在购物篮分析中，由于常常需要处理规模庞大的规则集，可视化至关重要。您将使用 arulesViz 包创建条形图、散点图和图结构来展示推断出的规则集。随后，您会将这些图表制作为交互式图表，便于进一步钻取已挖掘的关联规则。
4
案例研究：电影场景下的购物篮
一起走进电影场景。在最后一章中，您将把所学全部应用到一个电影数据集上。利用购物篮分析，您会将该数据集转化为电影推荐系统，基于电影交易信息来理解并预测您的受众接下来可能想看的影片。
R
R 中的购物篮分析
课程完成
