散布図

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

散布図の概要

散布図の例。

散布図の概要

散布図は値のペアを表示。
- 前件サポートと後件サポート。
- 信頼度とリフト。
モデル仮定なし。
- トレンド線・曲線は不要。
剪定の起点になる。
- データとルールのパターンを特定。

サポート vs 信頼度

MovieLens のルールで、サポート対信頼度の散布図を示します。

サポート vs 信頼度

MovieLens のルールで、サポート対信頼度の散布図を示します。

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).

散布図の作成

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)

散布図の作成

この図は、前件サポートと後件サポートの散布図です。

3つ目の指標を追加

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

3つ目の指標を追加

この散布図は、前件サポート、後件サポート、リフトの関係を示します。

散布図から得られること

データの自然なしきい値を見つける。
- ヒートマップ等では困難。
データ全体を可視化。
- 少数のルールに限定されない。
発見を剪定に活用。
- しきい値やパターンでルールを剪定。

練習しましょう！

Python で学ぶマーケットバスケット分析