Apriori 結果の基本的な枝刈り

Python で学ぶマーケットバスケット分析

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Apriori とアソシエーションルール

Apriori はアイテム集合を枝刈り。
- 最小サポートしきい値を適用。
- 変更版はアイテム数でも枝刈り可。
- ただしルール自体は示さない。
アソシエーションルール。
- アイテム集合よりルールがはるかに多い。
- {Bags, Boxes}: Bags -> Boxes も Boxes -> Bags も可。

アソシエーションルールの計算方法

Apriori 結果からルールを計算。
- 高い n と k では列挙が困難。
- Apriori によるアイテム集合の枝刈りを無効化しかねない。

ルール数の削減。
- mlxtend はルールの枝刈り手段を提供。
- association_rules() は頻出アイテム、指標、しきい値を受け取る。

アソシエーションルールの計算方法

# Apriori アルゴリズムをインポート
from mlxtend.frequent_patterns import apriori, association_rules

# ワンホット化したノベルティギフトのデータを読み込み
onehot = pd.read_csv('datasets/online_retail_onehot.csv')

# Apriori アルゴリズムを適用
frequent_itemsets = apriori(onehot, 
                            use_colnames=True, 
                            min_support=0.0001)

# アソシエーションルールを計算
rules = association_rules(frequent_itemsets,
                          metric = "support", 
                          min_threshold = 0.0)

枝刈りの重要性

# ルールを表示
print(rules)

                               antecedents  ... conviction
0      (CARDHOLDER GINGHAM CHRISTMAS TREE)  ...      inf
...
79505      (SET OF 3 HEART COOKIE CUTTERS)  ... 1.998496

# 頻出アイテム集合を表示
print(frequent_itemsets)

       support                                           itemsets
0     0.000752                   ( 50'S CHRISTMAS GIFT BAG LARGE)
...
4707  0.000752                  (PIZZA PLATE IN BOX, CHRISTMAS ...

枝刈りの重要性

# アソシエーションルールを計算
rules = association_rules(frequent_itemsets,
                          metric = "support", 
                          min_threshold = 0.001)

# ルールを表示
print(rules)

                   antecedents      conviction  
0  (BIRTHDAY CARD, RETRO SPOT)  ...  2.977444 
1    (JUMBO BAG RED RETROSPOT)  ...  1.247180

ルール集合の探索

print(rules.columns)

Index(['antecedents', 'consequents', 'antecedent support',
       'consequent support', 'support', 'confidence', 'lift', 'leverage',
       'conviction'],
      dtype='object')

print(rules[['antecedents','consequents']])

                   antecedents                  consequents
0    (JUMBO BAG RED RETROSPOT)  (BIRTHDAY CARD, RETRO SPOT)
1  (BIRTHDAY CARD, RETRO SPOT)    (JUMBO BAG RED RETROSPOT)

他指標での枝刈り

# アソシエーションルールを計算
rules = association_rules(frequent_itemsets,
                          metric = "antecedent support", 
                          min_threshold = 0.002)

# ルール数を表示
print(len(rules))

Let's practice!

Python で学ぶマーケットバスケット分析