Terugblik op transacties

Market Basket-analyse in R

Christopher Bruffaerts

Statistician

Belangrijk bij market-basketanalyse

Market-basketanalyse

Focus op het wat, niet op het hoeveel;
oftewel: wat zit er in mandjes van klanten?

één_boodschappenmandje

Belangrijkste metrics

Support
Confidence
Lift

Let op

De set gevonden regels kan heel groot zijn.
Bekijk of toon dan niet alles: gebruik altijd een subset, of de functies head of tail!

Groceries-dataset

Terug naar de supermarkt

Boodschappen

Dataset uit het arules-pakket

# Loading the arules package
library(arules)

# Loading the Groceries dataset
data(Groceries)

summary(Groceries)

Samenvatting van Groceries

transactions as itemMatrix in sparse format with
 9835 rows (elements/itemsets/transactions) and
 169 columns (items) and a density of 0.02609146 

most frequent items:
      whole milk other vegetables       rolls/buns             soda           yogurt 
            2513             1903             1809             1715             1372 
         (Other) 
           34055 

element (itemset/transaction) length distribution:
sizes
   1    2    3    4    5    6    7    8    9   10   11   12   13   14   15   16   17 
2159 1643 1299 1005  855  645  545  438  350  246  182  117   78   77   55   46   29 
  18   19   20   21   22   23   24   26   27   28   29   32 
  14   14    9   11    4    6    1    1    1    1    3    1 

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  1.000   2.000   3.000   4.409   6.000  32.000 

includes extended item information - examples:
       labels  level2           level1
1 frankfurter sausage meat and sausage
2     sausage sausage meat and sausage
3  liver loaf sausage meat and sausage

Dichtheid van Groceries

# Plotting a sample of 200 transactions
image(sample(Groceries, 200))

beeld_groceries_200

¹ De dichtheid van de itemmatrix is 2,6%.

Meest en minst populaire items

Populairste items

itemFrequencyPlot(Groceries,type="relative",
                  topN=10,horiz=TRUE,col='steelblue3')

itemFrequentiePlot_groceries

Minst populaire items

par(mar=c(2,10,2,2), mfrow=c(1,1))
barplot(sort(table(unlist(LIST(Groceries))))[1:10],
        horiz = TRUE,las = 1,col='orange')

itemFrequentiePlot_groceries_minst

Kruistabellen op index

Contingentietabellen

# Contingency table
tbl = crossTable(Groceries)
tbl[1:4,1:4]

            frankfurter sausage liver loaf ham
frankfurter         580      99          7  25
sausage              99     924         10  49
liver loaf            7      10         50   3
ham                  25      49          3 256

Gesorteerde contingentietabel

# Sorted contingency table
tbl = crossTable(Groceries, sort = TRUE)
tbl[1:4,1:4]

                whole milk other vegetables rolls/buns soda
whole milk             2513              736        557  394
other vegetables        736             1903        419  322
rolls/buns              557              419       1809  377
soda                    394              322        377 1715

Kruistabellen op itemnamen

Contingentietabellen

# Counts
tbl['whole milk','flour']

[1] 83

# Chi-square test
crossTable(Groceries, measure='chi')['whole milk', 'flour']

[1] 0.003595389

Contingentietabellen met andere metrics

crossTable(Groceries, measure='lift',sort=T)[1:4,1:4]

                 whole milk other vegetables rolls/buns      soda   
whole milk               NA        1.5136341   1.205032 1.571735
other vegetables  1.5136341               NA   1.197047 0.9703476 
rolls/buns        1.2050318        1.1970465         NA 1.1951242 
soda              0.8991124        0.9703476   1.195124        NA

MovieLens-dataset

MovieLens: webgebaseerd aanbevelingssysteem dat films aanraadt om te kijken.

movielens

Laten we films kijken!

Market Basket-analyse in R