Associazione e dissociazione

Analisi del carrello in Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Usare la dissociazione per accoppiare ebook

Una miniatura della copertina di The Hobbit.

Una miniatura della copertina di The Great Gatsby.

Una miniatura della copertina di Pride and Prejudice.

Una miniatura della copertina di The Catcher in the Rye.

1 Immagini tratte da goodreads.com.
Analisi del carrello in Python

Introduzione alla metrica di Zhang

  1. Introdotta da Zhang (2000)
    • Valori tra -1 e +1
    • +1 indica associazione perfetta
    • -1 indica dissociazione perfetta
  2. Completa e interpretabile
  3. Costruita sul supporto
1 Zhang, T. (2000). Association Rules. Proceedings of the 4th Pacific-Asia conference, PADKK, pp.245-256. Kyoto, Japan.
Analisi del carrello in Python

Definizione della metrica di Zhang

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

Analisi del carrello in Python

Costruire la metrica di Zhang con il supporto

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

Analisi del carrello in Python

Calcolare la metrica di 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()
Analisi del carrello in Python

Calcolare la metrica di 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
Analisi del carrello in Python

Passiamo alla pratica!

Analisi del carrello in Python

Preparing Video For Download...