高度なルール
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
マーケットバスケット分析の概要
- マーケットバスケット分析の標準手順
- 大量のルールを生成
- 指標でルールを絞り込み
- 直感と常識で見直し
ルールの生成
- アイテム数に対しルール数は指数関数的に増加
- ほとんどのルールは有用でない
- まず初期フィルタリングが必須
- 第3章のAprioriアルゴリズムで解説
フィルタリングはどう機能するか
| 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 |
複数指標フィルタリング
| 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 |
複数指標でのフィルタリング実行
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
複数指標でのフィルタリング実行
# 結果側サポートが低いルールを抽出
rules = rules[rules['consequent support'] < 0.05]
print(len(rules))
12
# lift > 1.5 のルールを抽出
rules = rules[rules['lift'] > 1.5]
print(len(rules))
2
練習しましょう！
Python で学ぶマーケットバスケット分析
