Scatterplot

Market Basket Analysis ด้วย Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

แนะนำ scatterplot

ตัวอย่าง scatterplot

แนะนำ scatterplot

Scatterplot แสดงคู่ค่าข้อมูล
- Antecedent support และ consequent support
- Confidence และ lift
ไม่จำเป็นต้องสมมติโมเดลใด
- ไม่ต้องการเส้นแนวโน้มหรือเส้นโค้ง
เป็นจุดเริ่มต้นสำหรับการ pruning
- ระบุรูปแบบในข้อมูลและกฎที่ได้

Support กับ confidence

Scatterplot แสดงค่า support กับ confidence ของกฎที่สร้างจากชุดข้อมูล MovieLens

Support กับ confidence

Scatterplot แสดงค่า support กับ confidence ของกฎที่สร้างจากชุดข้อมูล MovieLens

¹ Bayardo Jr., R.J. and Agrawal, R. (1999). Mining the Most Interesting Rules. In Proceedings of the Fifth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 145-154).

การสร้าง scatterplot

import pandas as pd
import seaborn as sns
from mlxtend.frequent_patterns import association_rules, apriori

# Load one-hot encoded MovieLens data
onehot = pd.read_csv('datasets/movies_onehot.csv')

# Generate frequent itemsets using Apriori
frequent_itemsets = apriori(onehot, min_support=0.01, use_colnames=True, max_len=2)

# Generate association rules
rules = association_rules(frequent_itemsets, metric='support', min_threshold=0.0)

sns.scatterplot(x="antecedent support", y="consequent support", data=rules)

การสร้าง scatterplot

Scatterplot แสดง antecedent support กับ consequent support

การเพิ่ม metric ที่สาม

sns.scatterplot(x="antecedent support", 
                y="consequent support", 
                size="lift", 
                data=rules)

การเพิ่ม metric ที่สาม

Scatterplot แสดงความสัมพันธ์ระหว่าง antecedent support, consequent support และ lift

เรียนรู้อะไรได้จาก scatterplot?

ระบุค่า threshold ที่เป็นธรรมชาติในข้อมูล
- ทำได้ยากด้วย heatmap หรือการแสดงผลแบบอื่น
แสดงภาพรวมของชุดข้อมูลทั้งหมด
- ไม่จำกัดเฉพาะกฎจำนวนน้อย
นำผลที่ได้ไปใช้ pruning
- ใช้ threshold และรูปแบบที่พบในการ pruning

มาฝึกกันเถอะ!

Market Basket Analysis ด้วย Python