Ripasso sulle transazioni

Analisi del carrello in R

Christopher Bruffaerts

Statistician

Punti chiave nella market basket analysis

Market basket analysis

Concentrati sul cosa, non su quanto;
cioè, cosa c’è nei carrelli dei clienti?

un carrello della spesa

Metriche principali

Supporto
Confidenza
Lift

Attenzione

L’insieme di regole estratte può essere enorme!
Non ispezionare o mostrare tutte le regole: usa sempre un sottoinsieme o le funzioni head o tail!

Dataset Groceries

Torniamo al supermercato

Generi alimentari

Dataset del pacchetto arules

# Caricare il pacchetto arules
library(arules)

# Caricare il dataset Groceries
data(Groceries)

summary(Groceries)

Riepilogo di 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

Densità di Groceries

# Traccia un campione di 200 transazioni
image(sample(Groceries, 200))

immagine_groceries_200

¹ La densità della matrice degli articoli è del 2,6%.

Articoli più e meno popolari

Articoli più popolari

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

Grafico frequenza articoli

Articoli meno popolari

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')

Grafico frequenza articoli (meno)

Tabelle incrociate per indice

Tabelle di contingenza

# Tabella di contingenza
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

Tabella di contingenza ordinata

# Tabella di contingenza ordinata
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

Tabelle incrociate per nome articolo

Tabelle di contingenza

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

[1] 83

# Test chi-quadro
crossTable(Groceries, measure='chi')['whole milk', 'flour']

[1] 0.003595389

Tabelle di contingenza con altre metriche

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

Dataset MovieLens

MovieLens: sistema di raccomandazione web che suggerisce film da guardare agli utenti.

movielens

Guardiamo film!

Analisi del carrello in R