从经验到算法
哪些商品常被一起买是零售选品、捆绑与陈列的核心问题。关联规则挖掘把这种经验量化:支持度衡量组合出现的频率,置信度衡量买了 A 之后买 B 的概率,提升度衡量该组合强于随机的程度(大于 1 才值得关注)。1993 年 Agrawal 等人提出的 Apriori 是这一领域的奠基算法。
第一步:把流水变成事务
Apriori 需要一篮子一行的布尔矩阵。先用 pandas 把订单明细按单聚合:
import pandas as pd
orders = pd.DataFrame({
'order_id':[1,1,1,2,2,3,3],
'item':['milk','bread','butter','bread','eggs','milk','eggs']})
transactions = orders.groupby('order_id')['item'].apply(list).tolist()第二步:TransactionEncoder 编码
from mlxtend.preprocessing import TransactionEncoder
te = TransactionEncoder()
ary = te.fit(transactions).transform(transactions)
df = pd.DataFrame(ary, columns=te.columns_)第三步:Apriori 挖频繁项集与规则
from mlxtend.frequent_patterns import apriori, association_rules
freq = apriori(df, min_support=0.3, use_colnames=True)
rules = association_rules(freq, metric='lift', min_threshold=1.0)
print(rules[['antecedents','consequents','support','confidence','lift']])min_support 调高可提速但会漏掉长尾组合;商品目录很大时优先用 FP-Growth 替代 Apriori。
第四步:封装成购物车推荐
把规则加载进内存,给定当前购物车,返回未购买的高提升度商品:
def recommend(cart, rules, top_n=3):
cart_set = set(cart)
recs = []
for _, row in rules.iterrows():
if (set(row['antecedents']).issubset(cart_set)
and not set(row['consequents']).issubset(cart_set)
and row['lift'] > 1.0):
recs.append((list(row['consequents'])[0], row['lift']))
return sorted(recs, key=lambda x: -x[1])[:top_n]落地提醒
高提升度但支持度极低的规则可能只是噪声,需同时看 support;
季节性与促销会扭曲共现,规则应定期用最新流水重算;
推荐结果要可解释,便于运营判断是否上捆绑与陈列。
参考来源
mlxtend 关联规则挖掘(apriori 与 association_rules)官方文档 - mlxtend;Market Basket Analysis 实践(TransactionEncoder 与规则生成) - Microsoft Learn;Mining Association Rules between Sets of Items in Large Databases - Agrawal 等,VLDB 1993。