利用协同 Apriori、FSA-Red 和 M5P 预测算法挖掘事务数据生成扩展关联规则作为商业行动基础
数据库
2024-03-08 v1
摘要
在一家销售超过 150 种产品的商店中，存在大量展示消费者购物车的事务数据。在这种情况下，公司正在利用这些数据来制定商业行动。在先前的研究中，具有大量属性和记录的数据由 FSA Red（关联规则特征选择）算法进行数据归约处理，然后使用 Apriori 算法进行挖掘。生成的关联规则具有高准确率和出色的测试结果，可靠性超过 90%。在本研究中，先前研究生成的关联规则将使用预测算法 M5P 进行更新，以便关联规则可以在未来几个月内使用。此外，将实现一些数据挖掘技术，如聚类和时间序列模式，以检验真实性并扩展所构建的关联规则的有效性。可以得出结论，随后建立的关联规则将生成置信度等于或高于 70% 的强关联规则，并且所建立规则的真实性可以从每类商品的时间序列模式中看出，随后将其作为商业行动的基础。
引用
@article{arxiv.2403.04179,
title = {Mining Transactional Data To Produce Extended Association Rules Using Collaborative Apriori, Fsa-Red And M5p Predictive Algorithm As A Basis Of Business Actions},
author = {Feri Sulianta and Laksana Eka Angga and Thee Houw Liong},
journal= {arXiv preprint arXiv:2403.04179},
year = {2024}
}
备注
5 pages, 6 figures, 1 table