Задание. 1. Определите, что приобретет клиент купивший: Гель для туалетов; Средство для мытья посуды и Пятновыводитель с величиной лифта больше 3

1. Определите, что приобретет клиент купивший: Гель для туалетов; Средство для мытья посуды и Пятновыводитель с величиной лифта больше 3.

2. Небольшая сеть из трех магазинов, продающих мелкие штучные товары, желает провести исследование связанных покупок. По мнению специалистов компании, знание того, какие товары покупаются совместно, поможет правильно расположить их на витринах. С этой целью были собраны все чеки за последние три месяца (около 20 тыс.). В них присутствуют 17 товаров (анальгетик, дезодорант, журнал, зубная паста, карандаши и др.). Таблица данных содержится в файле transactions.txt и включает два столбца: Транзакция и Товар. Опираясь на имеющиеся данные, выполните следующие действия.

1) Решите задачу поиска ассоциаций в Deductor (достоверность 20–50, правил – 17).

2) Выделите непонятные, на ваш взгляд, ассоциативные правила, а также правила, представляющие интерес. Сколько правил попало в эти категории?

3) Найдите правило, имеющее максимальный лифт.

4) Заказчика данного исследования интересует, какие товары покупают с поздравительной открыткой (используйте все визуализаторы).

Сколько таких товаров оказалось в выбранном перечне? Какая из ассоциаций представляет в этом плане наибольший интерес (имеет максимальный лифт)?

Результаты сохраните в файле L9_2.ded.

Вопросы для проверки

1. Какой алгоритм генерации ассоциативных правил имеется в

Deductor?

2. Какие входные поля набора данных необходимы для запуска обработчика Ассоциативные правила в Deductor?

3. Какие специализированные визуализаторы предлагаются к узлу- обработчику Ассоциативные правила?

4. Какова вероятность того, что клиент, купивший Антистатик-спрей,

купит и Средство для мытья посуды?

5. Приведите пример, когда после анализа ассоциативного правила, товары размещают на большом расстоянии друг от друга или их не советуют приобретать вместе.

6. Какой визуализатор используется для формирования предложений клиенту?

7. С помощью, каких кнопок можно отсортировать сформированный

«список предложений» по убыванию лифта?

8. Какой обработчик является зависимым к узлу Ассоциативные правила?

9. Как обработать новые чеки по имеющимся ассоциативным правилам?

СПИСОК ЛИТЕРАТУРЫ

1. Паклин Н. Б., Орешков В. И. Бизнес-аналитика: от данных к знаниям (+ СD). – СПб.: Изд. Питер, 2009. – 624 с.

2. Дюк В., Самойленко А. Data Mining: учебный курс (+CD). – СПб.: Изд. Питер, 2001. – 368 с.

3. Журавлёв Ю.И., Рязанов В.В., Сенько О.В. РАСПОЗНАВАНИЕ. Математические методы. Программная система. Практические применения. — М.: Изд. «Фазис», 2006. – 176 с. – ISBN 5-7036-0108-8.

4. Зиновьев А. Ю. Визуализация многомерных данных. — Красноярск: Изд. Красноярского государственного технического университета, 2000.

– 180 с.

5. Чубукова И. А. Data Mining: учебное пособие. – М.: Интернет- университет информационных технологий: БИНОМ: Лаборатория знаний, 2006. – 382 с. – ISBN 5-9556-0064-7.

6. Ситник В. Ф., Краснюк М. Т. Інтелектуальний аналіз даних (дейтамайнінг): Навч. посібник. – К.: КНЕУ, 2007. – 376 с.

7. Ian H. Witten, Eibe Frank and Mark A. Hall Data Mining: Practical Machine Learning Tools and Techniques. – 3rd Edition. – Morgan Kaufmann, 2011. – P. 664. – ISBN 9780123748560.

Навчальне видання