Spolehlivost a lift

Market Basket Analysis v Pythonu

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Kdy je podpora zavádějící

TID	Transakce
1	Coffee, Milk
2	Bread, Milk, Orange
3	Bread, Milk
4	Bread, Milk, Sugar
5	Bread, Jam, Milk
...	...

Mléko a chléb jsou často kupovány společně.
- Podpora: {Milk} $\rightarrow$ {Bread}
Pravidlo není pro marketing informativní.
- Mléko i chléb jsou oblíbené položky.

Metrika spolehlivosti

Podporu lze zlepšit pomocí dalších metrik.
Přidání spolehlivosti poskytuje úplnější obraz.

$$\frac{Support(X \& Y)}{Support(X)}$$

Interpretace metriky spolehlivosti

Obrázek zobrazuje seznam transakcí z obchodu s potravinami. Jedna z transakcí obsahuje džem a chléb.

$$Support(Milk\&Coffee) = 0.20$$

Obrázek zobrazuje seznam transakcí z obchodu s potravinami. Jedna z transakcí obsahuje džem a chléb.

$$Support(Milk) = 1.00$$

Interpretace metriky spolehlivosti

$$\frac{Support(Milk\&Coffee)}{Support(Milk)} = \frac{0.20}{1.00} = 0.20$$

$$\frac{Support(Milk\&Coffee)}{Support(Milk)} = \frac{0.20}{0.80} = 0.25$$

$$\frac{Support(Milk\&Coffee)}{Support(Milk)} = \frac{0.20}{0.20} = 1.00$$

Metrika lift

Lift je další metrika pro hodnocení vztahu mezi položkami.
- Čitatel: Podíl transakcí obsahujících X a Y.
- Jmenovatel: Podíl při náhodném a nezávislém přiřazení X a Y.

$$\frac{Support(X \& Y)}{Support(X) Support(Y)}$$

Příprava dat

from mlxtend.preprocessing import TransactionEncoder
import pandas as pd

# Split library strings into lists
libraries = data['Library'].apply(lambda t: t.split(','))

# Convert to list of lists
libraries = list(libraries)

# One-hot encode books
books = TransactionEncoder().fit(libraries).transform(libraries)

# Convert one-hot encoded data to DataFrame
books = pd.DataFrame(books, columns = encoder.columns_)

Výpočet spolehlivosti a liftu

# Print first five items
print(books.head())

       Hunger           Gatsby
0      False            True
1      False            True
2      False            False
3      False            True
4      False            True

Dataset: GoodBooks-10K.

Výpočet spolehlivosti a liftu

# Computing support.
supportHG = np.logical_and(books['Hunger'],books['Gatsby']).mean()
supportH = books['Hunger'].mean()
supportG = books['Gatsby'].mean()

# Compute and print confidence and lift.
confidence = supportHG / supportH
lift = supportHG / (supportH * supportG)

# Print results.
print(supportG, confidence, lift)

(0.30, 0.16, 0.53)

Pojďme si procvičit!

Market Basket Analysis v Pythonu