Clementine中的购物篮案例要解决什么问题，怎样解决的，结论是什么？ 在回答问题之前，先向大家介绍Clementine的作用。SPSS Clenmentines提供众多的预测模型，这使得它们可以…
数据挖掘中最经典的例子\ “啤酒与尿布”指的是“啤酒”和“尿布”两个看上去没有关系的商品摆放在一起进行销售、并获得了很好的销售收益。这种现象就是卖场中商品之间的关联性，研究“啤酒与尿布”。
郭敦顒回答：建立大型超市“购物篮”分析数学建模，从理论上讲并不困难或者说比较容易，建立矩阵进行对应进行判断就是了.但是999×4717的矩阵并不是普通微机所能承受得了的，所以建立此种矩阵，实际上根本不能实现.怎么办？办法总是有的，那就是优选，是双向、多项优选.双向优选，是指对4717个顾客，和对999种商品中进行优选；多项优选，是指对顾客和商品的优选项目中是多项的，以防优选中的偏差，把应选的尽选其中.对顾客的优选中选购物金额多的，购物数量多的，重复某些商品多的.对商品的优选中选实现利润高的，购物商品数量多的，重复次数多有周期性的.固然“最频繁被同时购买的商品数量越多越好”，但是实现利润最大化才是根本所在，往往有不少商品数量大，但并不赚钱，但这又不可或缺，所以要优选出不赚钱的商品与赚钱的商品的最佳匹配.通俗说就是要优选出“人气”，并发现如何培养“人气”.有了“人气”就有了利润.具体操作你可以自己办，自己建模了，这里仅提供一种思路（赞誉的话就是一种决策）.
