【正文】 現(xiàn)緊密相關的觀測值組群，使得與屬于不同簇的觀測值相比，屬于同一簇的觀測值相互之間盡可能類似。聚類可用來對相關的顧客分組、找出顯著影響地球氣候的海洋區(qū)域以及壓縮數(shù)據(jù)等。 異常檢測異常檢測（anomaly detection）的任務是識別其特征顯著不同于其他數(shù)據(jù)的觀測值。這樣的觀測值稱為異常點（anomaly）或離群點（outlier）。異常檢測算法的目標是發(fā)現(xiàn)真正的異常點，而避免錯誤地將正常的對象標注為異常點。換言之，一個好的異常檢測器必須具有高檢測率和低誤報率。異常檢測的應用包括檢測欺詐、網(wǎng)絡攻擊、疾病的不尋常模式、生態(tài)系統(tǒng)擾動等。4 天貓數(shù)據(jù)的數(shù)據(jù)挖掘問題之前說過，阿里巴巴是中國最大和世界第二大網(wǎng)絡公司，在2013年的雙十一節(jié)日中，1小時67億，6小時不到突破100億；13小時實現(xiàn)191億，追平去年成績；21小時達到300億，超過阿里官方預期……如此大的交易數(shù)據(jù)正是我們分析的最好對象，圖 1天貓用戶4個月內(nèi)行為操作圖是一個阿里巴巴大數(shù)據(jù)競賽提供的數(shù)據(jù)，是天貓用戶4個月內(nèi)的行為統(tǒng)計表的部分截圖。圖 1天貓用戶4個月內(nèi)行為操作圖 問題的提出阿里巴巴是中國最大和世界第二大網(wǎng)絡公司，在2013年的雙十一節(jié)日中，1小時67億，6小時不到突破100億；13小時實現(xiàn)191億，追平去年成績；21小時達到300億，超過阿里官方預期……如此大的交易數(shù)據(jù)正是我們分析的最好對象。阿里巴巴如此大的交易，肯定會有不小的回頭客，而我們做數(shù)據(jù)挖掘可以挖掘潛在客戶，以及做出一定的預測，在一定的時期或者時間段，進行促銷活動，達到更大的收益。通過對用戶行為監(jiān)測獲得的數(shù)據(jù)進行分析，可以讓企業(yè)更加詳細、清楚地了解用戶的行為習慣，從而找出網(wǎng)站、推廣渠道等企業(yè)營銷環(huán)境存在的問題，有助于企業(yè)發(fā)掘高轉(zhuǎn)化率頁面，讓企業(yè)的營銷更加精準、有效，提高業(yè)務轉(zhuǎn)化率，從而提升企業(yè)的廣告收益。 方法的選擇在我們的參考文獻中，講述了以下的幾種主要算法，我們在其中挑選了一種適合這個課題的相對有效的算法，進行研究。在《關聯(lián)規(guī)則分析在網(wǎng)絡購物行為影響因素分析中的應用》這一章節(jié)主要介紹了Apriori算法。在《聚類分析在網(wǎng)絡購物行為結(jié)果分析中的應用》這一章節(jié)主要應用了KMeans算法和Twostep算法。在《分類/預測方法在網(wǎng)絡購物潛在客戶挖掘中的應用》、CHAID、QUEST、Camp。RT算法。因為我們主要進行的事關聯(lián)規(guī)則分析，之前還有進行相應的聚類分析，但是發(fā)現(xiàn)結(jié)果并不怎么理想，所以最后選擇是關聯(lián)分析，選用Apriori算法。Apriori算法是一種經(jīng)典的生成布爾型關聯(lián)規(guī)則的頻繁項集(項集:任意項的集合。K項集:包含K個項的項集。頻繁項集:滿足最小支持度的項集。)挖掘算法。該算法的基本思想是:“首先找出所有的頻集，這些項集出現(xiàn)的頻繁性至少和預定義的最小支持度一樣。然后由頻集產(chǎn)生強關聯(lián)規(guī)則，這些規(guī)則必須滿足最小支持度和最小可信度。然后使用第1步找到的頻集產(chǎn)生期望的規(guī)則，產(chǎn)生只包含集合的項的所有規(guī)則，其中每一條規(guī)則的右部只有一項，這里采用的是中規(guī)則的定義。一旦這些規(guī)則被生成，那么只有那些大于用戶給定的最小可信度的規(guī)則才被留下來。為了生成所有頻集,使用了逐層搜索的迭代方法。 研究的目的和意義人們通過發(fā)現(xiàn)關聯(lián)的規(guī)則，可以從一件事情的發(fā)生，來推測另外一件事情的發(fā)生，從而更好地了解和掌握事物的發(fā)展規(guī)律等等，這就是尋找關聯(lián)規(guī)則的基本意義。關聯(lián)規(guī)則的實際應用包括：交叉銷售、郵購目錄的設計、商品擺放、流失客戶分析、基于購買模式進行客戶區(qū)隔等等……關聯(lián)規(guī)則的目的在于在一個數(shù)據(jù)集中找出項之間的關系，也稱之為購物藍分析，我們分析品牌及行為類型（用戶id）的關系，對用戶進行一個關聯(lián)分析，比較一件商品購買的條件，購買另一件的可能性。5 數(shù)據(jù)處理 行為統(tǒng)計在所給的數(shù)據(jù)中，天貓購物消費者的點擊次數(shù)是非常多的。如圖 21行為統(tǒng)計圖說明這些消費者對天貓是比較關注的,天貓是他們消費的一個場所。購物的次數(shù)明顯比收藏和放進購物車的次數(shù)多，說明大家在網(wǎng)上看到喜歡的東西，購買的欲望比較強烈，特備是淘寶的一些活動，比如聚劃算……。消費者看到喜歡的，購買的速度會快一點。圖 01行為統(tǒng)計圖 不同月份的統(tǒng)計圖 02 天貓用戶在不同月份的行為次數(shù)圖圖表顯示的一個趨勢：從5月到7月，行為次數(shù)總的在增加。初步分析5月開始天氣炎熱了之后，人們對夏天用的產(chǎn)品需求增加了。比如防曬類 的產(chǎn)品，護膚品，遮陽傘等。消暑類的電器，空調(diào)，電扇等。因為天氣的漸熱，導致需求的增加，行為次數(shù)也增加了。 數(shù)據(jù)預處理圖 03 預處理圖這是我們數(shù)據(jù)的一個截圖，在我們進行數(shù)據(jù)分析時，首先做個預處理以方便我們觀察得到的結(jié)論。在這里我們對B列（品牌id），C列（行為類型：0：點擊，1：購買，2：收藏，3：購物車）用excel的公式函數(shù)進行合并得到了E列，E列就代表著對應品牌進行相應的行為，通過E列，和COUNTIF函數(shù)，對E列進行重復次數(shù)的統(tǒng)計，計算相同操作的計數(shù)，然后用相同的方法，把E，F(xiàn)列進行合并成G列，在SAS中就直接由A列和G列進行關聯(lián)分析。 算法的選擇在我們的參考文獻中，講述了以下的幾種主要算法，我們在其中挑選了一種適合這個課題的相對有效的算法，進行研究。在《關聯(lián)規(guī)則分析在網(wǎng)絡購物行為影響因素分析中的應用》這一章節(jié)主要介紹了Apriori算法。在《聚類分析在網(wǎng)絡購物行為結(jié)果分析中的應用》這一章節(jié)主要應用了KMeans算法和Twostep算法。在《分類/預測方法在網(wǎng)絡購物潛在客戶挖掘中的應用》、CHAID、QUEST、Camp。RT算法。因為我們主要進行的事關聯(lián)規(guī)則分析，之前還有進行相應的聚類分析，但是發(fā)現(xiàn)結(jié)果并不怎么理想，所以最后選擇是關聯(lián)分析，選用Apriori算法。Apriori算法是一種經(jīng)典的生成布爾型關聯(lián)規(guī)則的頻繁項集(項集:任意項的集合。K項集:包含K個項的項集。頻繁項集:滿足最小支持度的項集。)挖掘算法。該算法的基本思想是:“首先找出所有的頻集，這些項集出現(xiàn)的頻繁性至少和預定義的最小支持度一樣。然后由頻集產(chǎn)生強關聯(lián)規(guī)則，這些規(guī)則必須滿足最小支持度和最小可信度。然后使用第1步找到的頻集產(chǎn)生期望的規(guī)則，產(chǎn)生只包含集合的項的所有規(guī)則，其中每一條規(guī)則的右部只有一項，這里采用的是中規(guī)則的定義。一旦這些規(guī)則被生成，那么只有那些大于用戶給定的最小可信度的規(guī)則才被留下來。為了生成所有頻集,使用了逐層搜索的迭代方法。 sas關聯(lián)分析的應用圖 04 sas流程圖這是運用sas軟件進行數(shù)據(jù)挖掘時的一個具體的流程圖。圖 05 sas初始設置圖1在運行前我們設置的一些相應的參數(shù)，變量，比如置信度，支持度，還有關系數(shù)。圖 06 sas初始設置圖2在選擇輸入變量和輸出變量選擇中，我們遵循關聯(lián)分析的規(guī)則，選擇id及我們進行預處理后的一項。運用后SAS功能中的相應的模塊，導入數(shù)據(jù)后，并設定相應的參數(shù)，得出的一系列相應的關聯(lián)規(guī)則。運行結(jié)束后得出的一個結(jié)果的截圖。圖 07 sas關聯(lián)規(guī)則結(jié)果圖6 總結(jié)下面我們將對上述三條規(guī)則逐一進行討論。下圖為上面運行軟件后導出的一個結(jié)果截圖圖 01 結(jié)果分析圖在這個結(jié)果中，我們運用excel公式在關聯(lián)規(guī)則這一列中，取最后一個數(shù)，這樣通過篩選，可以得到我們想要的結(jié)果，如下圖。圖 02 最終結(jié)果圖在圖中，我們可以看到經(jīng)過篩選最后一個數(shù)字為1（也就是推出的規(guī)則是xxx購買）所以，這樣的規(guī)則較為有意義，賣家就可以有針對性的，對買家實施降價或者投放廣告等策略達到相應的收益效果。第一個規(guī)則中也很明顯體現(xiàn)一個問題，那就是一般女性可能會愛收藏物品，在她們收藏一定物品后，可能就會有購買動機，雖然她們的置信度不高，但是我們知道了其中的規(guī)律后，就可以在她們收藏了物品后，在她們的界面插入一些相應的廣告，以達到更大盈利的目的。而且在其他的一些關聯(lián)規(guī)則中我們發(fā)現(xiàn)，存在一些置信度達到100%的關聯(lián)規(guī)則，這些規(guī)則我們判斷往往是不可靠的，在超市一般都會買餐巾紙，如果用餐巾紙去推出購買其他物品，那這個置信度往往就會很高，所以在這里置信度也有很大的缺點。數(shù)據(jù)挖掘是指按企業(yè)既定業(yè)務目標，對大量的企業(yè)數(shù)據(jù)進行探索和分析，揭示隱藏的、未知的或驗證已知的規(guī)律性，并進一步將其模型化的先進有效的方法。電子商務是現(xiàn)代信息技術(shù)發(fā)展的必然結(jié)果，也是未來商業(yè)運作模式的必然選擇。企業(yè)數(shù)據(jù)量日益龐大，其中真正有價值的信息卻很少，利用數(shù)據(jù)挖掘技術(shù)，從大量的數(shù)據(jù)中經(jīng)過深層分析，獲得有利于商業(yè)運作、提高競爭力的信息，發(fā)揮企業(yè)的獨特優(yōu)勢，促進管理創(chuàng)新和技術(shù)創(chuàng)新。Ddddfffhg致 謝以簡短的文字對工作過程中曾給自己以直接幫助的指導教師以及相關人員表示謝意。這不僅是一種禮貌，也是對他人勞動的尊重，是治學者應有的作風。5號宋體、。一級標題。此頁單獨放。大學四年的學習生活即將結(jié)束，在此，我要感謝所有曾經(jīng)教導過我的老師和關心過我的同學，他們在我成長過程中給予了我很大的幫助。本文能夠成功的完成，要特別感謝我的導師李光勤老師和輔導員林香娟在這四年中的關懷和教導，對我受益匪淺。一級標題，頂格，單獨一頁。[參考文獻][1][D].云南：云南大學，. [2][D].北京：北京工業(yè)大學，.[3]李菁菁，邵培基，黃亦瀟，[J].管理工程學報，2004（03）：10～15.[4]毛國君，[M].北京:清華大學出版社,2005.[5]PangNing Tan，Michael Steinbach，Vipin [M].北京：人民郵電出版社,.[6]David Hand，Helkki Mannila，Padhraic Smyth. 數(shù)據(jù)挖掘原理[J].北京:機械工業(yè)出版社,2009,09（12）：17211741.[7]李嶶，[J].2001(10)：9394[8]Jiawei [M].機械工業(yè)出版社2001，8 [9][M].機械工業(yè)出版社2000，5[10][M].北京：人民郵電出版社，2003[11]張春陽，周繼恩，劉貴全，計算機工程[J].2002(4)：249252[12]陳德軍，盛翊智，[J].2003(1)：3031[13]朱明，數(shù)據(jù)挖掘[M].合肥：中國科技大學出版社2002，5[14] [M].北京:電子工業(yè)出版社,2002.[15] [M].北京:北京工業(yè)大學出版社,2002.……注意：此處文獻應是近三年的文獻，個數(shù)不少于10個，而且至少有2篇是期刊，2篇外文文獻；不同類型文獻的標識不同；所有參考文獻必須都在正文中有引用，按在正文中出現(xiàn)的先后次序列于此處，標號用數(shù)字加方括號表示，同一文獻出現(xiàn)多次，只用同一標號。參考文獻內(nèi)容的字體為宋體五號、。本科畢業(yè)論文（設計）答辯記錄姓名題目打印時可以將表頭填寫完整答辯現(xiàn)場記錄，由答辯秘書手工填寫，與論文正文一起裝訂。答辯教師提出的主要問題及答辯人回答的簡要情況：記錄人： 答辯日期： 2014 年 月 日（紙不夠可另加）本科畢業(yè)論文與設計作品評定表論文題目學生姓名學號指導教師評語： 對學生從文獻綜述、開題報告、設計或研究內(nèi)容、外文資料和譯文、工作量、工作態(tài)度、設計作品和論文質(zhì)量、創(chuàng)新性、應用性、論文寫作、文本規(guī)范、存在的不足和綜合評價等方面給出客觀的評價意見，寫清是否可以參加答辯。并在下頁表中填寫具體分數(shù)?！　　　　　≈笇Ы處煟? 2014年 　月 　日作品驗收意見：是否按要求完成設計作品，作品質(zhì)量及運行結(jié)果如何，該作品有無創(chuàng)新性、實用性及推廣價值。在下頁給出具體分數(shù)。驗收人： 2014年 　月 　日論文評審意見：論文框架是否合理，是否有自己的觀點或見解，格式是否規(guī)范，語言文字的組織情況如何。在下頁給出具體分數(shù)。評審人： 　 2014年 　月 　日（紙不夠可另附頁）本科畢業(yè)論文（設計）成績評定表論文題目學生姓名學號答辯小組意見：答辯講解是否重點突出、條理清晰，能體現(xiàn)自己所做的內(nèi)容。問題回答針對性強，有自己的見解。并給出具體分數(shù)。答辯組長： 　2014年 　月 　日有設計作品導師評分（20%）作品成績（20%）論文成績（20%）答辯成績（40%）綜合評定　?。ā。o設計作品導師評分（20%）論文成績（40%）答辯成績（40%）綜合評定　　?。ā。└黜椌园俜种拼蚍?，在綜合評定中給出部分，在其括號內(nèi)給出五分制的折算等級。答辯委員會意見：　　　　　　答辯委員會主任： 2014年 　月 　日