Konfidens och lift

Marknadskorgsanalys i Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

När support är missvisande

TID Transaktion
1 Kaffe, Mjölk
2 Bröd, Mjölk, Apelsin
3 Bröd, Mjölk
4 Bröd, Mjölk, Socker
5 Bröd, Sylt, Mjölk
... ...

 

  1. Mjölk och bröd köps ofta tillsammans.
    • Support: {Mjölk} $\rightarrow$ {Bröd}
  2. Regeln är inte informativ för marknadsföring.
    • Mjölk och bröd är båda populära varor.
Marknadskorgsanalys i Python

Konfidensmetoden

  1. Kan förbättra support med ytterligare mätvärden.
  2. Konfidens ger en mer fullständig bild.

 

$$\frac{Support(X \& Y)}{Support(X)}$$

Marknadskorgsanalys i Python

Tolka konfidensmetoden

Bilden visar en lista med transaktioner från en livsmedelsbutik. En av transaktionerna innehåller sylt och bröd.

$$Support(Milk\&Coffee) = 0.20$$

Bilden visar en lista med transaktioner från en livsmedelsbutik. En av transaktionerna innehåller sylt och bröd.

$$Support(Milk) = 1.00$$

Marknadskorgsanalys i Python

Tolka konfidensmetoden

  $$\frac{Support(Milk\&Coffee)}{Support(Milk)} = \frac{0.20}{1.00} = 0.20$$

  $$\frac{Support(Milk\&Coffee)}{Support(Milk)} = \frac{0.20}{0.80} = 0.25$$

  $$\frac{Support(Milk\&Coffee)}{Support(Milk)} = \frac{0.20}{0.20} = 1.00$$

Marknadskorgsanalys i Python

Liftmetoden

 

  • Lift är ett annat mätvärde för att utvärdera sambandet mellan varor.
    • Täljare: Andel transaktioner som innehåller X och Y.
    • Nämnare: Andelen om X och Y tilldelades slumpmässigt och oberoende.

 

$$\frac{Support(X \& Y)}{Support(X) Support(Y)}$$

Marknadskorgsanalys i Python

Förbereda data

from mlxtend.preprocessing import TransactionEncoder
import pandas as pd

# Split library strings into lists
libraries = data['Library'].apply(lambda t: t.split(','))

# Convert to list of lists
libraries = list(libraries)

# One-hot encode books
books = TransactionEncoder().fit(libraries).transform(libraries)

# Convert one-hot encoded data to DataFrame
books = pd.DataFrame(books, columns = encoder.columns_)
Marknadskorgsanalys i Python

Beräkna konfidens och lift

# Print first five items
print(books.head())

       Hunger           Gatsby
0      False            True
1      False            True
2      False            False
3      False            True
4      False            True

Datamängd: GoodBooks-10K.

Marknadskorgsanalys i Python

Beräkna konfidens och lift

# Computing support.
supportHG = np.logical_and(books['Hunger'],books['Gatsby']).mean()
supportH = books['Hunger'].mean()
supportG = books['Gatsby'].mean()

# Compute and print confidence and lift.
confidence = supportHG / supportH
lift = supportHG / (supportH * supportG)

# Print results.
print(supportG, confidence, lift)

(0.30, 0.16, 0.53)
Marknadskorgsanalys i Python

Nu kör vi en övning!

Marknadskorgsanalys i Python

Preparing Video For Download...