Leverage a conviction

Market Basket Analysis v Pythonu

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Navazování na jednodušší metriky

$$Support(X) = \frac{Frequency(X)}{N}$$

$$Support(X \rightarrow Y) = \frac{Frequency(X \& Y)}{N}$$

$$Confidence(X \rightarrow Y) = \frac{Support(X \rightarrow Y)} {Support(X)}$$

$$Lift(X \rightarrow Y) = \frac{Support(X \rightarrow Y)}{Support(X) Support(Y)}$$

Metrika leverage

Leverage také vychází z podpory.

$$Leverage(X \rightarrow Y) = $$ $$Support(X \& Y) - Support(X) Support(Y)$$

Leverage je podobná liftu, ale snáze interpretovatelná.
Leverage se pohybuje v rozsahu -1 až +1.
- Lift nabývá hodnot od 0 do nekonečna.

Výpočet leverage

# Compute support for Twilight and Harry Potter
supportTP = np.logical_and(books['Twilight'], books['Potter']).mean()

# Compute support for Twilight
supportT = books['Twilight'].mean()

# Compute support for Harry Potter
supportP = books['Potter'].mean()

# Compute and print leverage
leverage = supportTP - supportP * supportT
print(leverage)

0.018

Metrika conviction

Conviction také vychází z podpory.
Složitější a méně intuitivní než leverage.

$$Conviction(X \rightarrow Y) = $$ $$\frac{Support(X) Support(\bar{Y})} {Support(X \& \bar{{Y}})}$$

Interpretace conviction

Náhledový obrázek knihy Twilight.

Náhledový obrázek knihy Harry Potter a kámen mudrců.

Náhledový obrázek knihy Twilight.

Náhledový obrázek knihy Hunger Games.

¹ Obrázky převzaty z goodreads.com.

Výpočet conviction

# Compute support for Twilight and Harry Potter and Twilight
supportTP = np.logical_and(books['Twilight'], books['Potter']).mean()
supportT = books['Twilight'].mean()

# Compute support for NOT Harry Potter
supportnP = 1.0 - books['Potter'].mean()

# Compute support for Twilight and NOT Harry Potter
supportTnP = supportT - supportPT

# Compute conviction
conviction = supportT*supportnP / supportTnP
print(conviction)

1.16

Pojďme si procvičit!

Market Basket Analysis v Pythonu