Reguli avansate
Analiza coșului de cumpărături în Python
Isaiah Hull
Visiting Associate Professor of Finance, BI Norwegian Business School
Prezentare generală a analizei coșului de cumpărături
- Procedura standard pentru analiza coșului de cumpărături.
- Generați un set mare de reguli.
- Filtrați regulile folosind metrici.
- Aplicați intuiția și bunul simț.
Generarea regulilor
- Numărul de reguli crește exponențial cu numărul de articole.
- Majoritatea regulilor nu sunt utile.
- Este necesară o primă rundă de filtrare.
- Acoperit în capitolul 3, folosind algoritmul Apriori
Cum funcționează filtrarea?
| ID | antecedents | consequents | support | Lift |
|---|---|---|---|---|
| 1 | Harry Potter | The Hunger Games | 0.001 | 1.01 |
| 2 | Hunger Games | Twilight | 0.020 | 1.23 |
| 3 | Pride and Prejudice | The Hobbit | 0.030 | 1.05 |
| 4 | The Hobbit | Twilight | 0.015 | 0.85 |
| 5 | Harry Potter | The Hobbit | 0.010 | 1.07 |
Filtrare pe mai multe metrici
| ID | antecedents | consequents | support | zhang |
|---|---|---|---|---|
| 1 | Harry Potter | The Hunger Games | 0.001 | -0.05 |
| 2 | Hunger Games | Twilight | 0.020 | 0.17 |
| 3 | Pride and Prejudice | The Hobbit | 0.030 | 0.06 |
| 4 | The Hobbit | Twilight | 0.015 | -0.04 |
| 5 | Harry Potter | The Hobbit | 0.010 | 0.34 |
Filtrare pe mai multe metrici
print(rules.head())
antecedents consequents antecedent support ... support confidence ... conviction
0 Potter Hunger 0.48 ... 0.12 ... 0.26 ... 0.92
1 Potter Hunger 0.32 ... 0.12 ... 0.26 ... 0.92
2 Twilight Hunger 0.26 ... 0.09 ... 0.35 ... 1.04
3 Hunger Twilight 0.32 ... 0.09 ... 0.28 ... 1.03
4 Mockingbird Hunger 0.48 ... 0.10 ... 0.20 ... 0.85
Filtrare pe mai multe metrici
# Select subset of rules with low consequent support.
rules = rules[rules['consequent support'] < 0.05]
print(len(rules))
12
# Select subset of rules with lift > 1.5.
rules = rules[rules['lift'] > 1.5]
print(len(rules))
2
Să exersăm!
Analiza coșului de cumpărături în Python
