Pokročilé filtrování výsledků Apriori

Market Basket Analysis v Pythonu

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Aplikace

Křížová propagace

Obrázek ukazuje příklad křížové propagace.

Agregace

Obrázek ukazuje příklad agregace.

Algoritmus Apriori

Seznam seznamů

Obrázek ukazuje příklad seznamu seznamů položek v transakcích.

One-Hot kódování

Obrázek ukazuje one-hot kódování transakcí.

Algoritmus Apriori

Obrázek ilustruje algoritmus Apriori aplikovaný na obecnou sadu 4 položek.

Algoritmus Apriori

import pandas as pd
import numpy as np
from mlxtend.preprocessing import TransactionEncoder
from mlxtend.frequent_patterns import apriori

itemsets = np.load('itemsets.npy')
print(itemsets)

[['EASTER CRAFT 4 CHICKS'],
['CERAMIC CAKE DESIGN SPOTTED MUG', 'CHARLOTTE BAG APPLES DESIGN'],
['SET 12 COLOUR PENCILS DOLLY GIRL'],
...
['JUMBO BAG RED RETROSPOT', ... 'LIPSTICK PEN FUSCHIA']]

Algoritmus Apriori

# One-hot encode data
encoder = TransactionEncoder()
onehot = encoder.fit(itemsets).transform(itemsets)
onehot = pd.DataFrame(onehot, columns = encoder.columns_)

# Apply Apriori algorithm and print
frequent_itemsets = apriori(onehot, use_colnames=True, min_support=0.001)
print(frequent_itemsets)

      support                                           itemsets
0    0.001504                               ( DOLLY GIRL BEAKER)
1    0.002256                         ( RED SPOT GIFT BAG LARGE)
...
428  0.001504  (BIRTHDAY CARD, RETRO SPOT, JUMBO BAG RED RETR...

Výsledky algoritmu Apriori

print(len(data.columns))

print(len(frequent_itemsets))

rules = association_rules(frequent_itemsets)

Asociační pravidla

print(rules['consequents'])

0                   (DOTCOM POSTAGE)
                        ... 
9                 (HERB MARKER THYME)
                        ...
234        (JUMBO BAG RED RETROSPOT)
235         (WOODLAND CHARLOTTE BAG)
236    (RED RETROSPOT CHARLOTTE BAG)
237       (STRAWBERRY CHARLOTTE BAG)
238      (CHARLOTTE BAG SUKI DESIGN)
Name: consequents, Length: 239, dtype: object

Filtrování pomocí více metrik

targeted_rules = rules[rules['consequents'] == {'HERB MARKER THYME'}].copy()

filtered_rules = targeted_rules[(targeted_rules['antecedent support'] > 0.01) &
                        (targeted_rules['support'] > 0.009) &
                        (targeted_rules['confidence'] > 0.85) &
                        (targeted_rules['lift'] > 1.00)]

print(filtered_rules['antecedents'])

9        (HERB MARKER BASIL)
25     (HERB MARKER PARSLEY)
27    (HERB MARKER ROSEMARY)
Name: antecedents, dtype: object

Seskupování produktů

Obrázek ukazuje půdorys prodejny, kde jsou krabice seskupeny s taškami a cedule s svíčkami.

Obrázek ukazuje půdorys prodejny, kde jsou krabice seskupeny se svíčkami a cedule s taškami.

Obrázek ukazuje půdorys prodejny, kde jsou krabice seskupeny s cedulemi a svíčky jsou seskupeny s taškami.

Agregace a disociace

# Load aggregated data
aggregated = pd.read_csv('datasets/online_retail_aggregated.csv')

# Compute frequent itemsets
onehot = encoder.fit(aggregated).transform(aggregated)
data = pd.DataFrame(onehot, columns = encoder.columns_)
frequent_itemsets = apriori(data, use_colnames=True)

# Compute standard metrics
rules = association_rules(frequent_itemsets)

# Compute Zhang's rule
rules['zhang'] = zhangs_rule(rules)

Zhangovo pravidlo

# Print rules that indicate dissociation
print(rules[rules['zhang'] < 0][['antecedents','consequents']])

  antecedents consequents
2       (bag)    (candle)
3    (candle)       (bag)
4      (sign)       (bag)
5       (bag)      (sign)

Výběr půdorysu prodejny

Obrázek ukazuje půdorys prodejny, kde jsou krabice seskupeny s taškami a cedule se svíčkami.

Lass uns üben!

Market Basket Analysis v Pythonu