Groceries数据集简介

于 2025-05-08 14:50:14 发布
阅读量281 收藏 9
点赞数 6
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/gitblog_06702/article/details/147792839

Groceries数据集简介

【下载地址】Groceries数据集简介 Groceries数据集是一个开源的真实交易记录资源，源自RGui中的arules软件包。该数据集包含9835条消费记录和169种不同商品，详细记录了某杂货店一个月内的交易情况。它特别适合用于频繁集挖掘和关联分析，支持Apriori、FP_Growth等算法的应用。通过分析该数据集，研究人员能够深入挖掘商品之间的购买关联性，为商家提供商品摆放和促销策略的科学依据。数据集的真实性和丰富性使其成为研究和实践中的宝贵资源，同时也提醒使用者需遵循相关法律法规，尊重数据隐私。 【下载地址】Groceries数据集简介 项目地址: https://gitcode.com/Premium-Resources/36070

Groceries数据集是一个开源的数据资源，来源于RGui中的arules软件包。该数据集详细记录了某杂货店一个月内的真实交易记录。数据集包含9835行和169列，即9835条消费记录与169种不同的商品信息。

此数据集适用于进行频繁集挖掘和关联分析，可以应用Apriori、FP_Growth、ecalt等算法进行处理。通过分析Groceries数据集，研究人员可以发现商品之间的购买关联性，从而为商家提供商品摆放、促销策略等决策依据。

数据集特点如下：

  • 9835条真实交易记录
  • 169种不同商品
  • 可用于频繁集挖掘和关联分析

请合理使用本数据集，遵循相关法律法规，尊重数据隐私。

【下载地址】Groceries数据集简介 Groceries数据集是一个开源的真实交易记录资源，源自RGui中的arules软件包。该数据集包含9835条消费记录和169种不同商品，详细记录了某杂货店一个月内的交易情况。它特别适合用于频繁集挖掘和关联分析，支持Apriori、FP_Growth等算法的应用。通过分析该数据集，研究人员能够深入挖掘商品之间的购买关联性，为商家提供商品摆放和促销策略的科学依据。数据集的真实性和丰富性使其成为研究和实践中的宝贵资源，同时也提醒使用者需遵循相关法律法规，尊重数据隐私。 【下载地址】Groceries数据集简介 项目地址: https://gitcode.com/Premium-Resources/36070

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

数据科学与大数据分析项目练习-3将Apriori算法应用于R中提供的“Groceries”数据集
Jifu_M的博客
12-30 1980
R语言Apriori算法 我们需要安装arules and arulesViz包。 项目要求： 生成频繁项目集满足下面条件： – The minimum support threshold as 0.02 – The minimum length of the itemsets as 1 – The maximum length of the itemsets as 10 生成的关联规则满足下面条件： – The minimum support threshold as 0.001 – The minimu
R_Studio(关联)对Groceries数据集进行关联分析
weixin_30279751的博客
11-01 1593
　　　　 　　RGui的arules程序包里含有Groceries数据集，该数据集是某个杂货店一个月真实的交易记录，共有9835条消费记录，169个商品 #install.packages("arules") library(arules) setwd('D:\\data') #读入数据 #Groceries数据集 Groceries groc...
关联分析中的Groceries数据集
sanqima的专栏
11-26 1万+
用Apriori、FP Growth、eclat算法进行关联分析时中，常常用到Groceries数据集，该数据集是某个杂货店一个月真实的交易记录，共有9835条消费记录，139个商品。在开源软件RGui的arules程序包里含有Groceries数据集，保存格式是.rda，现在将它以.csv格式导出。详细步骤如下：
Groceries数据集
11-26
该数据集是开源软件RGui里arules软件包中的Groceries数据集，记录了某个杂货店一个月的真实交易记录。具体是9835行，169列，即9835条消费记录、169个不同商品，可用于Apriori、FP_Growth、ecalt等算法进行频繁集的挖掘和关联分析。
关联规则挖掘（南京大学复杂数据结构挖掘课程作业）
学习记录
03-18 2725
本次实验的主要任务是对给定数据集进行关联规则挖掘。通过改变support和confidence的值，比较Aprioir、FP-growth和最基本的穷举法之间的差别，在进行比较时，主要着眼于产生的频繁项集的数目，算法运行过程中的内存消耗和时间消耗。
groceries数据集
09-29
共计9835条数据，33个特征属性。利用Apriori等关联算法，寻找频繁项集，挖掘关联规则。平时测试用用
python数据挖掘机器学习实战UCI Groceries Dataset 的关联分析任务（完整项目：数据集+word+代码）
04-13
本实验首先对数据集进行预处理，将同一件商品由于口味或者尺寸不同而导致的商品名称的差异进行一般化。并将商品中的空余项删除。然后，通过商品ID将销售数据合并成购物篮元组数据，为下一步的关联规则挖掘做准备。 ...
groceries.csv
05-29
【自己动手写模式挖掘（一）——初步搭建 Apriori 频繁模式挖掘框架】博文所使用的数据集，Groceries 数据集是某个杂货店一个月真实的交易记录，共有 9835 条消费记录和 169 个商品
机器学习数据集
最新发布
weixin_70732153的博客
12-17 492
机器学习数据集收集整理分享
购物篮分析的数据分层案例解析----（以R语言案例包的Groceries数据集为例）
weixin_41680624的博客
08-10 833
Groceries数据集来自一个现实中真实存在的欧洲超市，是其经营一个月的购物篮数据，共包含9835次交易，由169个商品完成销售，按照一个月30天计算，该超市每天平均为328笔交易，根据Groceries数据集的交易笔数、商品品类构成，应该是一家社区型小型食品超市。下表来自于一个真实南方超市的交易数据，表中共有8个购物篮，购物篮中商品是真实超市售卖的商品，该超市经营面积大致在1500平米，属于标准超市，主营商品以生鲜为主，经营商品在5000个左右，每天交易笔数在2000-2500笔左右。
商品购物篮数据集.7z
05-14
纠错：上次资源是两个季度的购物篮信息，不是两年的信息，特此更正！现重新上传本资源。 productList是商品的详单，productAttribute是商品相关属性。 brandList是品牌的详单，brandAttribute是品牌相关属性。 两个sale文件是两季度的购物栏数据（已经预处理好）。 可用于关联分析相关算法的学习。
常见聚类数据集人工数据和UCI数据都有
10-18
这里面是机器学习里面聚类所需的数据集，分为人工的二维数据集，如月牙形，双螺旋型等，和UCI真实数据集，是我搜集好久才弄出来的，有一些二维数据集是自己生成的，提供给大家做算法实验。
facades数据集.zip
03-14
用于Python中进行Pix2pix学习测试的数据集，其中包括输入图像（建筑物草图）和目标图像（真实建筑图像）。
简单关联规则对成人数据集分类
06-05
从UCI数据网站中选择成人数据库（adult），数据是从美国人口普查局数据库中提取的。这里选取一年的收入大于50k的成人数据，选取8个属性变量分别为工作环境、教育、婚姻状况、职业、关系、种族和性别，均为类别变量，如职业可为[Tech-support,Craft-repair,Other-service,Sales,Exec-managerial, Prof-specialty, Handlers-cleaners, Machine-op-inspct, Adm-clerical,Farming-fishing,Transport-moving,Priv-house-serv,Protective-serv, Armed-Forces]。可以运用关联分析找出8个属性变量中，哪些变量有关系，从而提取出一些有用信息。
【R】【频繁模式挖掘Apriori算法实验】
AXDLMG7的优快云~
04-15 1834
文章目录实验描述数据集介绍重点程序包关联规则分析思维导图1.下载并加载arules包2.查看Groceries数据集的概要信息3.查看Groceries数据集的前十行的详细信息4.生成关联规则5.查看rules0中生成的关联规则6.对生成规则进行强度控制6.1 通过支持度、置信度共同控制6.2 主要通过支持度控制6.3 主要通过置信度控制6.4 主要通过提升度控7.改变输出形式8.关联规则的可视化8.1 加载aruleViz包并生成关联规则8.2 初步散点图8.3 更改互动参数后的散点图8.4 单击“fil
R语言 | 关联规则
热门推荐
I think so I am
04-12 10万+
关联规则（AssociationRules）是无监督的机器学习方法，用于知识发现，而非预测。 关联规则的学习器（learner）无需事先对训练数据进行打标签，因为无监督学习没有训练这个步骤。缺点是很难对关联规则学习器进行模型评估，一般都可以通过肉眼观测结果是否合理。 关联规则主要用来发现Pattern，最经典的应用是购物篮分析，当然其他类似于购物篮交易数据的案例也可以应用关联规则进行模式发现。
node.js 数据接收
歡囍
09-26 691
//post数据提交方式=>数据接收【接收到的数据收字符串数据】 const http=require("http"); //用于创建服务 const queryString=require("querystring"); //用于post数据提交方式的数据接收【对字符串数据进行处理】 queryString.parse()：将字符串数据转换为对象 http.createServer(function(request,response){ //http.createServer()：创建服务 re.
pycharm读取Groceries数据集
06-03
你可以使用以下代码在PyCharm中读取Groceries数据集： ```python import csv with open('groceries.csv', 'r') as file: reader = csv.reader(file) for row in reader: print(row) ``` 请确保你已将groceries.csv文件放在正确的路径下，并将代码中的文件名更改为你的文件名。此代码将打开CSV文件并打印每一行数据。你可以根据需要对代码进行修改以满足你的需求。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

窦菲芊Harriet

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值