以下几种数据挖掘功能中,〔〕被广泛的用于购物篮分析.A. 关联分析B. 分类和预测C. 聚类分析D. 演变分析

考查要点：本题主要考查对数据挖掘不同功能的理解及其应用场景的判断能力，特别是购物篮分析的核心方法。

解题核心思路：明确各数据挖掘方法的定义与典型应用，结合购物篮分析的目标（发现商品购买行为中的关联性）进行匹配。

破题关键点：

1. 关联分析用于发现数据项之间的频繁共现关系（如“买A同时买B”），是购物篮分析的典型方法。
2. 其他选项（分类、聚类、演变分析）分别对应预测、分组、时间趋势分析，与购物篮分析的关联性需求不直接相关。

选项分析

A. 关联分析

• 定义：通过挖掘数据中项集的频繁共现关系，生成关联规则（如“购买牛奶和面包的顾客很可能购买鸡蛋”）。
• 典型应用：购物篮分析、商品推荐、促销策略制定。
• 匹配度：直接满足购物篮分析的核心需求，正确。

B. 分类和预测

• 定义：根据已有数据训练模型，预测新数据的类别或数值（如预测客户是否会购买某商品）。
• 典型应用：客户分类、销售预测。
• 匹配度：与购物篮分析的关联性较弱。

C. 聚类分析

• 定义：将数据划分为若干组，使组内数据相似、组间差异显著（如细分客户群体）。
• 典型应用：市场细分、客户画像。
• 匹配度：未涉及商品间的直接关联关系。

D. 演变分析

• 定义：分析数据随时间的变化趋势（如客户行为变化）。
• 典型应用：趋势预测、动态监控。
• 匹配度：与购物篮分析的关联性无关。