산점도

Python으로 배우는 Market Basket Analysis

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

산점도 소개

그림은 산점도 예시를 보여 줍니다.

산점도 소개

산점도는 값 쌍을 표시합니다.
- 선행지지도와 결과지지도
- 신뢰도와 리프트
모델 가정 없음
- 추세선이나 곡선 불필요
프루닝의 출발점 제공
- 데이터와 규칙의 패턴 파악

지지도 vs 신뢰도

이 그림은 MovieLens 데이터셋에서 생성된 규칙의 지지도 대 신뢰도 산점도를 보여 줍니다.

지지도 vs 신뢰도

이 그림은 MovieLens 데이터셋에서 생성된 규칙의 지지도 대 신뢰도 산점도를 보여 줍니다.

¹ Bayardo Jr., R.J. and Agrawal, R. (1999). Mining the Most Interesting Rules. In Proceedings of the Fifth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 145-154).

산점도 그리기

import pandas as pd
import seaborn as sns
from mlxtend.frequent_patterns import association_rules, apriori

# Load one-hot encoded MovieLens data
onehot = pd.read_csv('datasets/movies_onehot.csv')

# Generate frequent itemsets using Apriori
frequent_itemsets = apriori(onehot, min_support=0.01, use_colnames=True, max_len=2)

# Generate association rules
rules = association_rules(frequent_itemsets, metric='support', min_threshold=0.0)

sns.scatterplot(x="antecedent support", y="consequent support", data=rules)

산점도 그리기

이 그림은 선행지지도 대 결과지지도의 산점도를 보여 줍니다.

세 번째 지표 추가

sns.scatterplot(x="antecedent support", 
                y="consequent support", 
                size="lift", 
                data=rules)

세 번째 지표 추가

이 산점도는 선행지지도, 결과지지도, 리프트의 관계를 보여 줍니다.

산점도로 무엇을 배울 수 있나요?

데이터의 자연 임계값 파악
- 히트맵 등으로는 어려움
전체 데이터셋 시각화
- 소수의 규칙에만 한정되지 않음
결과로 가지치기
- 자연 임계값과 패턴으로 프루닝

연습해 봅시다!

Python으로 배우는 Market Basket Analysis