Het Apriori-algoritme

Market Basket Analysis in Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Itemsets tellen

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

Aantal items	Grootte itemset	Combinaties
3461	0	1
3461	1	3461
3461	2	5,987,530
3461	3	6,903,622,090
3461	4	5,968,181,296,805

Itemsets tellen

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

$n = 3461 \rightarrow 2^{3461}$
$2^{3461}>>10^{82}$
Aantal atomen in het heelal: $10^{82}$.

Het aantal itemsets verminderen

Alle itemsets overwegen is onmogelijk.
- Zelfs opsommen kan niet.
Hoe verwijder je een itemset zonder te evalueren?
- Je kunt een maximale $k$ instellen.
Het Apriori-algoritme biedt een alternatief.
- Je hoeft niet alle itemsets op te sommen.
- Zinnige snoeiregel.

Het Apriori-principe

Apriori-principe.
- Subsets van frequente sets zijn frequent.
- Behoud sets die frequent zijn.
- Snoei sets die niet frequent zijn.

Kaarsen = Niet-frequent
- -> {Kaarsen, Borden} = Niet-frequent
{Kaarsen, Borden} = Niet-frequent
- -> {Kaarsen, Borden, Dozen} = Niet-frequent
{Kaarsen, Borden, Dozen} = Niet-frequent
- -> {Kaarsen, Borden, Dozen, Tassen} = Niet-frequent

Apriori implementatie

# 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

Apriori implementatie

# 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))

Apriori implementatie

# 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...
...

Laten we oefenen!

Market Basket Analysis in Python