고급 규칙
Python으로 배우는 Market Basket Analysis
Isaiah Hull
Visiting Associate Professor of Finance, BI Norwegian Business School
장바구니 분석 개요
- 장바구니 분석 표준 절차
- 대량의 규칙 생성
- 지표로 규칙 필터링
- 직관과 상식 적용
규칙 생성
- 항목 수가 늘면 규칙 수는 기하급수적으로 증가
- 대부분의 규칙은 유용하지 않음
- 초기 필터링이 필수
- 3장에서 Apriori 알고리즘으로 다룸
필터링은 어떻게 작동하나요?
| ID | antecedents | consequents | support | Lift |
|---|---|---|---|---|
| 1 | Harry Potter | The Hunger Games | 0.001 | 1.01 |
| 2 | Hunger Games | Twilight | 0.020 | 1.23 |
| 3 | Pride and Prejudice | The Hobbit | 0.030 | 1.05 |
| 4 | The Hobbit | Twilight | 0.015 | 0.85 |
| 5 | Harry Potter | The Hobbit | 0.010 | 1.07 |
다중 지표 필터링
| ID | antecedents | consequents | support | zhang |
|---|---|---|---|---|
| 1 | Harry Potter | The Hunger Games | 0.001 | -0.05 |
| 2 | Hunger Games | Twilight | 0.020 | 0.17 |
| 3 | Pride and Prejudice | The Hobbit | 0.030 | 0.06 |
| 4 | The Hobbit | Twilight | 0.015 | -0.04 |
| 5 | Harry Potter | The Hobbit | 0.010 | 0.34 |
다중 지표 필터링 수행
print(rules.head())
antecedents consequents antecedent support ... support confidence ... conviction
0 Potter Hunger 0.48 ... 0.12 ... 0.26 ... 0.92
1 Potter Hunger 0.32 ... 0.12 ... 0.26 ... 0.92
2 Twilight Hunger 0.26 ... 0.09 ... 0.35 ... 1.04
3 Hunger Twilight 0.32 ... 0.09 ... 0.28 ... 1.03
4 Mockingbird Hunger 0.48 ... 0.10 ... 0.20 ... 0.85
다중 지표 필터링 수행
# 결과 지지도(consequent support)가 낮은 규칙만 선택
rules = rules[rules['consequent support'] < 0.05]
print(len(rules))
12
# 향상도(lift) > 1.5인 규칙만 선택
rules = rules[rules['lift'] > 1.5]
print(len(rules))
2
연습해 봅시다!
Python으로 배우는 Market Basket Analysis
