1楼：
你这种应该用聚类分析，数据表包括客户的年龄、月收入、购买商品等，通过聚类结果会分析出某个年龄段顾客，什么收入的购买了哪些商品。
2楼：匿名用户
可以可以的，这个可以通过他们购买的商品来分析得到
3楼：温述贺
其中一个例子，例如，在零售行业，数据挖掘中关联规则主要是用来观察消费者较同时购买几种商品，然后超市就将相关的产品放到一起，这样就增加利润，等等
数据挖掘中的关联规则主要有什么作用
4楼：匿名用户
数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的取值之间存在某种规律性，就称为关联。关联可分为简单关联、时序关联、因果关联。
关联分析的目的是找出数据库中隐藏的关联网。有时并不知道数据库中数据的关联函数，即使知道也是不确定的，因此关联分析生成的规则带有可信度。关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。
agrawal等于1993年首先提出了挖掘顾客交易数据库中项集间的关联规则问题，以后诸多的研究人员对关联规则的挖掘问题进行了大量的研究。他们的工作包括对原有的算法进行优化，如引入随机采样、并行的思想等，以提高算法挖掘规则的效率；对关联规则的应用进行推广。关联规则挖掘在数据挖掘中是一个重要的课题，最近几年已被业界所广泛研究。
数据挖掘中涉及的关联规则在实际生活中的应用有哪些？实际中能够提供给商家怎样的解决方案？
5楼：匿名用户
这个怎么说呢？说说我的理解，不对勿怪！
首先，这些关联规则都是在特定的业务数据在特定的统计结果下进行向特定领域做结果导向的规则，这个并不能说有普遍价值。
第二，这些规则在特定的商业领域，或者说对某个拥有这种挖掘系统的公司而言，是机密。因为，这属于该公司如何获取特定关键决策依据的核心信息。所以，我不认为能拿出来示众。
第三，如果这些东西被拿出来了，那肯定其已经失去价值。至少对原有公司来说已经如此，否则外人是见不到的。
因此，我说，这些关联规则要结合要做数据挖掘的单位的业务需要来实际订做。这个不是公式那么简单。甚至公式都可能要根据需求做全新的定义。
当然，泛泛地说，从如何的一堆数据中统计出一些数据结果，然后根据业务的相关触发关系，导向出另一些可能相关或者可能完全看似不相关的结果。而这个“业务的相关触发关系”是根据不同的单位情况“而不同的。很难说有什么通用性。
具体解决方案嘛！看情况吧！
6楼：百度用户
网络故障定位就会用到,研究中
数据挖掘中的关联规则是什么
7楼：匿名用户
所谓关联规则，是指数据对象之间的相互依赖关系，而发现规则的任务就是从数据库中发现那些确信度(conk一dente)和支持度(support)都大于给定值的强壮规则。从数据库中发现关联规则近几年研究最多。目前，已经从单一概念层次关联规则的发现发展到多个概念层次的关联规则的发现。
在概念层次上的不断深人，使得发观的关联规则所提供的信息越来越具体，实际上这是个逐步深化所发现知识的过程。在许多实际应用中，能够得到的相关规则的数目可能是相当大的，而且，用户也并不是对所有的规则感兴趣，有些规则可能误导人们的决策，所以，在规则发现中常常引人”兴趣度”(指一则在一定数据域上为真的知识被用户关注的程度)概念。而基于更高概念层次上的规则发现研究(如一般化抽象层次上的规则和多层次上的规则发现)则是当前研究的重点之一。
数据挖掘中关联规则蕴含式问题。
8楼：匿名用户
比方说i是电子器件，x是电脑，y是鼠标，买电脑->买鼠标，这是一个很正常的关联规则，但是如果x部分本来就蕴含了鼠标这个项，（买电脑，鼠标）-->(买鼠标)就没有多大意义了，这就是楼上说的交集部分没有意义，所以前后这两个子集一定交集为空，这个关联规则才存在意义。
9楼：匿名用户
交集部分没有意义，如：买苹果->买苹果，买电脑k123->买电脑k123