如何使用匿名数据集？

Question

我在关联规则方面迈出了第一步。

我找到了这个话题 (Supermarket dataset for Apriori algorithm)。 然后我尝试使用answer2中建议的数据，但是当我看到数据集的解释时，似乎与实际数据没有任何关联。

关于数据集，作者解释说：“数据集中的每条记录都包含购买日期（变量‘date’）、收据编号（变量‘receipt nr’）的信息……”

在我看到的数据的第一条记录中：

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29

第二个：

30 31 32

我想这是因为数据集已经“匿名化”了，但是我应该如何将变量“翻译”成数据呢？

Answer 1

快速浏览一下，我假设这只是原始数据的一个子集，采用典型的“篮子”格式。 每一行都是一笔交易，每一个数字都是一件物品。

不，如果没有其他数据源，您将无法分辨这些是哪些项目。

因此，测试您的算法在真实数据上返回 something 非常有用，但您不会真正知道它发现了什么。

您可能想查看 IIRC 与 Weka 一起提供的 supermarket.arff 文件。它至少标有一些产品类别（例如“冷冻食品”）。