數(shù)據(jù)集中相關(guān)關(guān)系的評(píng)估與發(fā)掘的中期報(bào)告

數(shù)據(jù)集中相關(guān)關(guān)系的評(píng)估與發(fā)掘的中期報(bào)告一、介紹本報(bào)告是數(shù)據(jù)集中相關(guān)關(guān)系的評(píng)估與發(fā)掘的中期報(bào)告，旨在展示在處理數(shù)據(jù)集時(shí)所做的工作及其結(jié)果。該數(shù)據(jù)集是一個(gè)包含多個(gè)變量的標(biāo)簽數(shù)據(jù)集，包含了個(gè)人信息、購(gòu)買歷史、產(chǎn)品偏好等信息。我們的目標(biāo)是分析數(shù)據(jù)中的相關(guān)關(guān)系并挖掘出有用的信息。二、數(shù)據(jù)集描述該數(shù)據(jù)集包含了9700個(gè)樣本，每個(gè)樣本包含了18個(gè)變量，其中包括：-ID：每個(gè)人的唯一標(biāo)識(shí)符-性別、婚姻狀況、教育程度：個(gè)人基本信息-年齡：個(gè)人年齡-收入、支出、儲(chǔ)蓄：個(gè)人經(jīng)濟(jì)狀況-工作類型、職業(yè)類型、工作年限：個(gè)人職業(yè)狀況-產(chǎn)品A到J的購(gòu)買歷史：每個(gè)人是否購(gòu)買過(guò)每種產(chǎn)品-產(chǎn)品偏好：每個(gè)人對(duì)每種產(chǎn)品的偏好程度三、數(shù)據(jù)預(yù)處理在進(jìn)行相關(guān)關(guān)系評(píng)估和發(fā)掘之前，我們需要對(duì)數(shù)據(jù)進(jìn)行一些預(yù)處理。我們進(jìn)行了以下步驟：1.刪除無(wú)關(guān)變量我們刪除了ID變量，因?yàn)樗鼘?duì)我們的分析沒(méi)有貢獻(xiàn)。2.處理缺失值我們使用平均值對(duì)數(shù)值變量中的缺失值進(jìn)行了填充，并使用眾數(shù)對(duì)分類變量中的缺失值進(jìn)行了填充。3.數(shù)據(jù)轉(zhuǎn)換我們對(duì)年齡、收入、支出、儲(chǔ)蓄、工作年限等變量進(jìn)行了離散化處理，將其轉(zhuǎn)換為分類變量。4.異常值處理我們檢測(cè)并處理了一些異常值。四、相關(guān)關(guān)系評(píng)估1.相關(guān)系數(shù)矩陣我們計(jì)算了變量之間的相關(guān)系數(shù)，并繪制了相關(guān)系數(shù)矩陣。從矩陣中可以看出，婚姻狀況和收入、支出、儲(chǔ)蓄之間存在較大的相關(guān)性，購(gòu)買產(chǎn)品A和購(gòu)買產(chǎn)品B之間也存在較大的相關(guān)性。2.相關(guān)性可視化我們使用散點(diǎn)圖、箱線圖、熱力圖等可視化方法展示了一些變量之間的相關(guān)性，例如年齡和收入之間的相關(guān)性、購(gòu)買產(chǎn)品A和購(gòu)買產(chǎn)品B之間的相關(guān)性等。3.因果關(guān)系分析我們使用因果關(guān)系分析（CausalAnalysis）探索了一些關(guān)系的因果性，并繪制了因果圖。例如，我們發(fā)現(xiàn)“收入”是“購(gòu)買產(chǎn)品A”的因，使用因果圖可以明確這種因果關(guān)系。五、信息挖掘1.關(guān)聯(lián)規(guī)則挖掘我們使用Apriori算法進(jìn)行了關(guān)聯(lián)規(guī)則挖掘，發(fā)現(xiàn)購(gòu)買產(chǎn)品A的人同時(shí)也往往購(gòu)買產(chǎn)品B。2.聚類分析我們使用K-Means算法進(jìn)行了聚類分析，并對(duì)聚類結(jié)果進(jìn)行了可視化。我們發(fā)現(xiàn)數(shù)據(jù)可以分為三類，分別是“高收入、高消費(fèi)”、“中等收入、中等消費(fèi)”和“低收入、低消費(fèi)”。六、結(jié)論通過(guò)對(duì)數(shù)據(jù)集進(jìn)行相關(guān)關(guān)系評(píng)估和信息挖掘，我們發(fā)現(xiàn)：-婚姻狀況和收入、支出、儲(chǔ)蓄之間存在較大的相關(guān)性-購(gòu)買產(chǎn)品A和購(gòu)買產(chǎn)品B之間存在較大的相關(guān)性-“收入”是“購(gòu)買產(chǎn)品A”的因-購(gòu)買產(chǎn)品A的人同時(shí)也往往購(gòu)買產(chǎn)品B-數(shù)據(jù)可以分為“高收入、高消費(fèi)”