Leverage और conviction

Python में Market Basket Analysis

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

सरल मैट्रिक्स पर आगे बढ़ना

$$Support(X) = \frac{Frequency(X)}{N}$$

$$Support(X \rightarrow Y) = \frac{Frequency(X \& Y)}{N}$$

$$Confidence(X \rightarrow Y) = \frac{Support(X \rightarrow Y)} {Support(X)}$$

$$Lift(X \rightarrow Y) = \frac{Support(X \rightarrow Y)}{Support(X) Support(Y)}$$

Leverage मैट्रिक

Leverage भी support पर आधारित है।

$$Leverage(X \rightarrow Y) = $$ $$Support(X \& Y) - Support(X) Support(Y)$$

Leverage, lift जैसा है, पर समझना आसान है।
Leverage -1 से +1 की रेंज में होता है।
- Lift 0 से अनंत तक होता है।

Leverage निकालना

# Compute support for Twilight and Harry Potter
supportTP = np.logical_and(books['Twilight'], books['Potter']).mean()

# Compute support for Twilight
supportT = books['Twilight'].mean()

# Compute support for Harry Potter
supportP = books['Potter'].mean()

# Compute and print leverage
leverage = supportTP - supportP * supportT
print(leverage)

0.018

Conviction मैट्रिक

Conviction भी support से बनता है।
Leverage की तुलना में ज्यादा जटिल और कम सहज।

$$Conviction(X \rightarrow Y) = $$ $$\frac{Support(X) Support(\bar{Y})} {Support(X \& \bar{{Y}})}$$

Conviction की व्याख्या

Twilight का एक थंबनेल चित्र.

Harry Potter and the Sorcerer's Stone का एक थंबनेल चित्र.

Twilight का एक थंबनेल चित्र.

The Hunger Games का एक थंबनेल चित्र.

¹ Images taken from goodreads.com.

Conviction निकालना

# Compute support for Twilight and Harry Potter and Twilight
supportTP = np.logical_and(books['Twilight'], books['Potter']).mean()
supportT = books['Twilight'].mean()

# Compute support for NOT Harry Potter
supportnP = 1.0 - books['Potter'].mean()

# Compute support for Twilight and NOT Harry Potter
supportTnP = supportT - supportPT

# Compute conviction
conviction = supportT*supportnP / supportTnP
print(conviction)

1.16

अभ्यास करते हैं!

Python में Market Basket Analysis