freddyrerazo-ctrl/cs4412-retail-transactions

# 杂货零售交易中的模式发现 **CS 4412：数据挖掘 | Kennesaw State University** **作者：** Freddy Erazo **学期：** 2026年春季 ## 项目概述 本代码库包含了我的 CS 4412 学期项目的完整实现和最终文档。目标是将**数据库中的知识发现（KDD）**过程应用于杂货零售数据集，通过结合关联规则挖掘和无监督机器学习，揭示消费者行为中不明显的模式。 该项目成功地将原始交易日志转化为可操作的商业智能，将该零售商定位为由基本生活用品和高忠诚度 VIP 购物者群体驱动的“日常必需品中心”。 ## 主要实现特性 * **端到端数据流水线**：自动化摄取、清洗和转换 **38,765 条交易记录**。 * **购物篮分析**：应用 **Apriori Algorithm** 生成 240 条规则，识别出具有高提升度的“产品锚点”，例如酸奶-牛奶关系（Lift：2.18）。 * **客户细分**：实现了 **K-Means Clustering**，将购物者群体细分为三个不同的行为画像：偶尔购物者、常规购物者和 VIP 购物者。 * **异常检测**：集成了 **Isolation Forest** 算法，以过滤“极端”购物者（前 1%），从而确保聚类的完整性并防止非人类数据偏差。 * **统计验证**：利用 **Elbow Method** 和 **Silhouette Analysis**，在数学上验证了最佳的聚类数量（$k=3$）。 ## 数据集 * **名称**：零售交易数据集（杂货） * **来源**：Kaggle * **范围**：基于 `Member_number` 和 `Date` 合并后的 38,765 条记录，总计包含 **14,963 个独立的购物篮**。 ## 代码库结构 * `retail_data_project.ipynb`：包含完整流水线的主要 Jupyter Notebook：EDA、Apriori 挖掘、K-Means 聚类和 Isolation Forest。 * `Groceries_dataset.csv`：原始交易数据。 * `Analysis_Milestone3.pdf`：详细说明实现状态、分析选择和发现结果的技术报告。 * `README.md`：项目概述和设置说明。 ## 方法论与发现 ### 1. 预处理与转换 数据被分组为“购物篮”以代表个人的购物行程。我应用了 **One-Hot Encoding** 进行关联挖掘，并使用 **StandardScaler** 标准化进行聚类，以确保 K-Means 算法在处理购物频率和数量时具有同等的数学权重。 ### 2. 挖掘与模式发现 * **产品锚点**：识别出 `{Yogurt} -> {Whole Milk}` 作为主要锚点，其 **Lift 为 2.18**，表明这些商品是顾客有意结合购买的。 * **行为细分**： * **细分群体 0（常规购物者）**：平均购物 4.4 次和购买 11.5 件商品的常规购物者。 * **细分群体 1（偶尔购物者）**：平均购物 2.2 次和购买 5.4 件商品的“补充”购物者。 * **细分群体 2（VIPs）**：平均购物 6.9 次和购买 18.8 件商品的高频忠诚客户。 ### 3. 商业洞察 分析表明这是一种便利驱动的模型，其中乳制品和农产品等商品带动了日常客流。战略建议包括为高提升度的商品对实施“捆绑销售”，以转化偶尔购物的顾客，以及为高价值的 VIP 群体开发保留计划。 ## 如何运行 1. **克隆代码库**： git clone [https://github.com/freddyrerazo-ctrl/cs4412-retail-transactions](https://github.com/freddyrerazo-ctrl/cs4412-retail-transactions) 2. **安装依赖项**： pip install pandas numpy matplotlib seaborn mlxtend scikit-learn 3. **执行**：运行 `retail_data_project.ipynb` 中的所有单元格，以重新生成分析和可视化结果。 ## 关键评估与未来工作 * **局限性**：用于挖掘的低支持度阈值（0.001）揭示了罕见但强有力的规则；然而，这些规则可能缺乏在全店范围内进行物理重组所需的数量规模。 * **未来工作**：整合时间稳定性分析（一周内的每日波动），并纳入人口统计数据，以更好地理解 VIP 群体行为背后的“原因”。

标签：Apex, Apriori算法, BSD, Isolation Forest, Kaggle数据集, KDD过程, K-Means聚类, Matplotlib, NoSQL, Python, Scikit-learn, 代码示例, 关联规则挖掘, 商业智能, 大学课程项目, 孤立森林, 客户细分, 异常检测, 数据分析, 数据挖掘, 数据科学项目, 数据管道, 无后门, 无监督学习, 机器学习, 消费者行为分析, 统计验证, 聚类分析, 肘部法则, 购物篮分析, 轮廓系数, 软件工程, 逆向工具, 零售交易分析