Asociación y disociación

Análisis de cesta de la compra en Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Usar disociación para emparejar ebooks

Miniatura de la portada del libro The Hobbit.

Miniatura de la portada del libro The Great Gatsby.

Miniatura de la portada del libro Pride and Prejudice.

Miniatura de la portada del libro The Catcher in the Rye.

1 Imágenes tomadas de goodreads.com.
Análisis de cesta de la compra en Python

Introducción a la métrica de Zhang

  1. Propuesta por Zhang (2000)
    • Toma valores entre -1 y +1
    • +1 indica asociación perfecta
    • -1 indica disociación perfecta
  2. Completa e interpretable
  3. Basada en soporte
1 Zhang, T. (2000). Association Rules. Proceedings of the 4th Pacific-Asia conference, PADKK, pp.245-256. Kyoto, Japan.
Análisis de cesta de la compra en Python

Definir la métrica de Zhang

  $$Zhang(A \rightarrow B) = $$ $$\frac{Confidence(A \rightarrow B) - Confidence(\bar{A} \rightarrow B)}{Max[Confidence(A \rightarrow B), Confidence(\bar{A} \rightarrow B)]}$$   $$Confidence = \frac{Support(A \& B)}{Support(A)}$$

Análisis de cesta de la compra en Python

Construir la métrica de Zhang con soporte

  $$Zhang(A \rightarrow B) = $$ $$\frac{Support(A \& B) - Support(A) Support(B)}{ Max[Support(AB) (1-Support(A)), Support(A)(Support(B)-Support(AB))]}$$

Análisis de cesta de la compra en Python

Calcular la métrica de Zhang

# Compute the support of each book
supportH = hobbit.mean()
supportP = pride.mean()

# Compute the support of both books
supportHP = np.logical_and(hobbit, pride).mean()
Análisis de cesta de la compra en Python

Calcular la métrica de Zhang

# Compute the numerator
num = supportHP - supportH*supportP

# Compute the denominator
denom = max(supportHP*(1-supportH), supportH*(supportP-supportHP))

# Compute Zhang's metric
zhang = num / denom
print(zhang)

0.08903
Análisis de cesta de la compra en Python

¡Vamos a practicar!

Análisis de cesta de la compra en Python

Preparing Video For Download...