El algoritmo Apriori

Análisis de cesta de la compra en Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Conteo de itemsets

$${n \choose k} = \frac{n!}{(n-k)!k!}$$

Recuento de ítems	Tamaño del conjunto	Combinaciones
3461	0	1
3461	1	3461
3461	2	5,987,530
3461	3	6,903,622,090
3461	4	5,968,181,296,805

Conteo de itemsets

$$\sum_{k=0}^{n}{n \choose k} = 2^{n}$$

$n = 3461 \rightarrow 2^{3461}$
$2^{3461}>>10^{82}$
Número de átomos en el universo: $10^{82}$.

Reducir el número de itemsets

Imposible considerar todos los itemsets.
- Ni siquiera enumerarlos.
¿Cómo descartamos un itemset sin evaluarlo?
- Se puede fijar un $k$ máximo.
Apriori ofrece otra vía.
- No requiere enumerarlos todos.
- Regla sensata de poda.

El principio de Apriori

Principio de Apriori.
- Los subconjuntos de conjuntos frecuentes también lo son.
- Mantén los conjuntos que se sabe que son frecuentes.
- Poda los que no se sabe que lo sean.

Velas = Infrecuente
- -> {Velas, Carteles} = Infrecuente
{Velas, Carteles} = Infrecuente
- -> {Velas, Carteles, Cajas} = Infrecuente
{Velas, Carteles, Cajas} = Infrecuente
- -> {Velas, Carteles, Cajas, Bolsas} = Infrecuente

Implementación de Apriori

# Import Apriori algorithm
from mlxtend.frequent_patterns import apriori

# Load one-hot encoded novelty gifts data
onehot = pd.read_csv('datasets/online_retail_onehot.csv')

# Print header.
print(onehot.head())

    50'S CHRISTMAS GIFT BAG LARGE ...  ZINC WILLIE WINKIE  CANDLE STICK  \
0                           False ...              False   
1                           False ...              False   
2                           False ...              False   
3                           False ...              False   
4                           False ...              False

Implementación de Apriori

# Compute frequent itemsets
frequent_itemsets = apriori(onehot, min_support = 0.0005, 
                            max_len = 4, use_colnames = True)

# Print number of itemsets
print(len(frequent_itemsets))

Implementación de Apriori

# Print itemsets
print(frequent_itemsets.head())

      support                          itemsets
0     0.000752  ( 50'S CHRISTMAS GIFT BAG LARGE)
1     0.001504              ( DOLLY GIRL BEAKER)
...
1500  0.000752  (PING MICROWAVE APRON, FOOD CONTAINER SET 3 LO...
1501  0.000752  (WOOD 2 DRAWER CABINET WHITE FINISH, FOOD CONT...
...

¡Vamos a practicar!

Análisis de cesta de la compra en Python