Recapitulare despre tranzacții

Analiza coșului de cumpărături în R

Christopher Bruffaerts

Statistician

Aspecte importante în analiza coșului de cumpărături

Analiza coșului de cumpărături

Accentul pe ce, nu pe cât;
adică ce au clienții în coșurile lor?

un coș de cumpărături

Metrici principale

Suport
Încredere
Lift

O notă de precauție

Setul de reguli extrase poate fi foarte mare!
Nu inspectați sau afișați toate regulile în acest caz - utilizați întotdeauna un subset sau funcțiile head ori tail!

Setul de date Groceries

Să revenim la magazinul alimentar

Produse alimentare

Setul de date din pachetul arules

# Loading the arules package
library(arules)

# Loading the Groceries dataset
data(Groceries)

summary(Groceries)

Rezumatul setului Groceries

transactions as itemMatrix in sparse format with
 9835 rows (elements/itemsets/transactions) and
 169 columns (items) and a density of 0.02609146 

most frequent items:
      whole milk other vegetables       rolls/buns             soda           yogurt 
            2513             1903             1809             1715             1372 
         (Other) 
           34055 

element (itemset/transaction) length distribution:
sizes
   1    2    3    4    5    6    7    8    9   10   11   12   13   14   15   16   17 
2159 1643 1299 1005  855  645  545  438  350  246  182  117   78   77   55   46   29 
  18   19   20   21   22   23   24   26   27   28   29   32 
  14   14    9   11    4    6    1    1    1    1    3    1 

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  1.000   2.000   3.000   4.409   6.000  32.000 

includes extended item information - examples:
       labels  level2           level1
1 frankfurter sausage meat and sausage
2     sausage sausage meat and sausage
3  liver loaf sausage meat and sausage

Densitatea setului Groceries

# Plotting a sample of 200 transactions
image(sample(Groceries, 200))

imagine produse alimentare - 200 tranzacții

¹ Densitatea matricei de articole este de 2,6%.

Articolele cele mai și mai puțin populare

Cele mai populare articole

itemFrequencyPlot(Groceries,type="relative",
                  topN=10,horiz=TRUE,col='steelblue3')

Grafic frecvență articole - produse alimentare

Cele mai puțin populare articole

par(mar=c(2,10,2,2), mfrow=c(1,1))
barplot(sort(table(unlist(LIST(Groceries))))[1:10],
        horiz = TRUE,las = 1,col='orange')

Grafic frecvență articole - cele mai puțin populare

Tabele încrucișate după index

Tabele de contingență

# Contingency table
tbl = crossTable(Groceries)
tbl[1:4,1:4]

            frankfurter sausage liver loaf ham
frankfurter         580      99          7  25
sausage              99     924         10  49
liver loaf            7      10         50   3
ham                  25      49          3 256

Tabel de contingență sortat

# Sorted contingency table
tbl = crossTable(Groceries, sort = TRUE)
tbl[1:4,1:4]

                whole milk other vegetables rolls/buns soda
whole milk             2513              736        557  394
other vegetables        736             1903        419  322
rolls/buns              557              419       1809  377
soda                    394              322        377 1715

Tabele încrucișate după numele articolelor

Tabele de contingență

# Counts
tbl['whole milk','flour']

[1] 83

# Chi-square test
crossTable(Groceries, measure='chi')['whole milk', 'flour']

[1] 0.003595389

Tabele de contingență cu alte metrici

crossTable(Groceries, measure='lift',sort=T)[1:4,1:4]

                 whole milk other vegetables rolls/buns      soda   
whole milk               NA        1.5136341   1.205032 1.571735
other vegetables  1.5136341               NA   1.197047 0.9703476 
rolls/buns        1.2050318        1.1970465         NA 1.1951242 
soda              0.8991124        0.9703476   1.195124        NA

Setul de date MovieLens

MovieLens: Sistem de recomandare online care sugerează filme utilizatorilor.

movielens

Hai să vizionăm filme!

Analiza coșului de cumpărături în R