Identyfikowanie reguł asocjacyjnych

Analiza koszyka zakupowego w Pythonie

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Wczytywanie i przygotowanie danych

import pandas as pd

# Load transactions from pandas.
books = pd.read_csv("datasets/bookstore.csv")

# Split transaction strings into lists.
transactions = books['Transaction'].apply(lambda t: t.split(','))

# Convert DataFrame into list of strings.
transactions = list(transactions)

Eksploracja danych

print(transactions[:5])

[['language', 'travel', 'humor', 'fiction'],
 ['humor', 'language'],
 ['humor', 'biography', 'cooking'],
 ['cooking', 'language'],
 ['travel']]

Reguły asocjacyjne

Reguła asocjacyjna
- Zawiera poprzednik i następnik
  - {health} $\rightarrow$ {cooking}
Reguła z wieloma poprzednikami
- {humor, travel} $\rightarrow$ {language}
Reguła z wieloma następnikami
- {biography} $\rightarrow$ {history, language}

Trudność doboru reguł

Znajdowanie użytecznych reguł jest trudne.
- Zbiór wszystkich możliwych reguł jest duży.
- Większość reguł jest bezużyteczna.
- Większość reguł należy odrzucić.
Co jeśli ograniczymy się do prostych reguł?
- Jeden poprzednik i jeden następnik.
- Nadal trudne, nawet dla małego zbioru danych.

Generowanie reguł

fiction
poetry
history
biography
cooking

health
travel
language
humor

Generowanie reguł

Reguły fikcji	Reguły poezji	...	Reguły humoru
fiction->poetry	poetry->fiction	...	humor->fiction
fiction->history	poetry->history	...	humor->history
fiction->biography	poetry->biography	...	humor->biography
fiction->cooking	poetry->cooking	...	humor->cooking
...	...	...	...
fiction->humor	poetry->humor	...

Generowanie reguł za pomocą itertools

from itertools import permutations

# Extract unique items.
flattened = [item for transaction in transactions for item in transaction]
items = list(set(flattened))

# Compute and print rules.
rules = list(permutations(items, 2))
print(rules)

[('fiction', 'poetry'), 
 ('fiction', 'history'),
 ...
 ('humor', 'travel'), 
 ('humor', 'language')]

Zliczanie reguł

# Print the number of rules
print(len(rules))

Wykres przedstawia łączną liczbę reguł w zależności od liczby unikalnych elementów.

Spojrzenie w przyszłość

# Import the association rules function
from mlxtend.frequent_patterns import association_rules
from mlxtend.frequent_patterns import apriori

# Compute frequent itemsets using the Apriori algorithm
frequent_itemsets = apriori(onehot, min_support = 0.001, 
                            max_len = 2, use_colnames = True)

# Compute all association rules for frequent_itemsets
rules = association_rules(frequent_itemsets, 
                            metric = "lift", 
                             min_threshold = 1.0)

Czas na ćwiczenia!

Analiza koszyka zakupowego w Pythonie