关联规则分析实验 - Python实现

简介

本仓库包含两个使用Python进行关联规则分析的实验项目。实验旨在通过购物篮分析和客户行为分析，挖掘数据中的潜在关联规则，为商业决策提供数据支持。

实验数据集

1. 购物篮数据分析 - bike_data.csv

• 数据描述：这是一个典型的购物篮数据集，记录了自行车销售点的交易数据，包括商品和交易信息。
• 分析目标：通过分析顾客购买自行车的相关配件，发现商品之间的关联性，从而优化商品布局和促销策略。

2. 酒店客户数据分析 - HotelCustomersDataset.xlsx

• 数据描述：这是一个关于酒店客户的个人信息和预订行为记录的数据集，包含了客户的基本信息、预订习惯、消费偏好等。
• 分析目标：通过分析客户预订行为，识别不同客户群体的消费模式，为酒店的市场细分和个性化服务提供依据。

实验工具

• 编程语言：Python
• 库和包：Pandas, NumPy, mlxtend (用于关联规则挖掘)

使用说明

1. 确保已经安装了Python以及所需的库（Pandas, NumPy, mlxtend）。
2. 运行相应的.ipynb文件以执行关联规则分析。
   • 对于购物篮数据分析，运行bike_data.ipynb。
   • 对于酒店客户数据分析，运行HotelCustomers.ipynb。