Apriori 알고리즘
Python으로 배우는 Market Basket Analysis
Isaiah Hull
Visiting Associate Professor of Finance, BI Norwegian Business School
아이템셋 세기
$${n \choose k} = \frac{n!}{(n-k)!k!}$$
| 항목 수 | 아이템셋 크기 | 조합 수 |
|---|---|---|
| 3461 | 0 | 1 |
| 3461 | 1 | 3461 |
| 3461 | 2 | 5,987,530 |
| 3461 | 3 | 6,903,622,090 |
| 3461 | 4 | 5,968,181,296,805 |
아이템셋 세기
$$\sum_{k=0}^{n}{n \choose k} = 2^{n}$$
- $n = 3461 \rightarrow 2^{3461}$
- $2^{3461}>>10^{82}$
- 우주 내 원자 수: $10^{82}$.
아이템셋 수 줄이기
- 모든 아이템셋을 고려하는 것은 불가능합니다.
- 나열조차 불가능합니다.
- 평가 없이 아이템셋을 어떻게 제거할까요?
- 최대 $k$ 값을 설정할 수 있습니다.
- Apriori 알고리즘은 대안을 제공합니다.
- 모든 아이템셋 나열이 필요 없습니다.
- 합리적인 가지치기 규칙이 있습니다.
Apriori 원리
- Apriori 원리
- 빈발 집합의 부분집합도 빈발합니다.
- 빈발로 확인된 집합만 유지합니다.
- 빈발이 아닌 것으로 알려진 집합은 제거합니다.
- Candles = 드묾(빈발 아님)
- -> {Candles, Signs} = 드묾
- {Candles, Signs} = 드묾
- -> {Candles, Signs, Boxes} = 드묾
- {Candles, Signs, Boxes} = 드묾
- -> {Candles, Signs, Boxes, Bags} = 드묾
Apriori 구현
# 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 구현
# 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))
3652
Apriori 구현
# 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...
...
Lass uns üben!
Python으로 배우는 Market Basket Analysis
