Asociace a disociace

Market Basket Analysis v Pythonu

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Disociace pro párování e-knih

Miniatura obálky knihy Hobit.

Miniatura obálky knihy Velký Gatsby.

Miniatura obálky knihy Pýcha a předsudek.

Miniatura obálky knihy Kdo chytá v žitě.

¹ Obrázky převzaty z goodreads.com.

Úvod do Zhangovy metriky

Zavedena Zhangem (2000)
- Nabývá hodnot od -1 do +1
- Hodnota +1 označuje dokonalou asociaci
- Hodnota -1 označuje dokonalou disociaci
Komplexní a interpretovatelná
Konstruována pomocí supportu

¹ Zhang, T. (2000). Association Rules. Proceedings of the 4th Pacific-Asia conference, PADKK, pp.245-256. Kyoto, Japan.

Definice Zhangovy metriky

$$Zhang(A \rightarrow B) = $$ $$\frac{Confidence(A \rightarrow B) - Confidence(\bar{A} \rightarrow B)}{Max[Confidence(A \rightarrow B), Confidence(\bar{A} \rightarrow B)]}$$ $$Confidence = \frac{Support(A \& B)}{Support(A)}$$

Zhangova metrika pomocí supportu

$$Zhang(A \rightarrow B) = $$ $$\frac{Support(A \& B) - Support(A) Support(B)}{ Max[Support(AB) (1-Support(A)), Support(A)(Support(B)-Support(AB))]}$$

Výpočet Zhangovy metriky

# Compute the support of each book
supportH = hobbit.mean()
supportP = pride.mean()

# Compute the support of both books
supportHP = np.logical_and(hobbit, pride).mean()

Výpočet Zhangovy metriky

# Compute the numerator
num = supportHP - supportH*supportP

# Compute the denominator
denom = max(supportHP*(1-supportH), supportH*(supportP-supportHP))

# Compute Zhang's metric
zhang = num / denom
print(zhang)

0.08903

Pojďme si procvičit!

Market Basket Analysis v Pythonu