Асоціація та дисоціація

Маркет-баcкет аналіз у Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Використання дисоціації для пар електронних книжок

Мініатюра обкладинки книги «The Hobbit».

Мініатюра обкладинки книги «The Great Gatsby».

Мініатюра обкладинки книги «Pride and Prejudice».

Мініатюра обкладинки книги «The Catcher in the Rye».

1 Зображення взято з goodreads.com.
Маркет-баcкет аналіз у Python

Вступ до метрики Zhang

  1. Запропоновано Zhang (2000)
    • Приймає значення від -1 до +1
    • Значення +1 означає досконалу асоціацію
    • Значення -1 означає досконалу дисоціацію
  2. Всеосяжна та інтерпретована
  3. Побудована на основі підтримки
1 Zhang, T. (2000). Association Rules. Proceedings of the 4th Pacific-Asia conference, PADKK, pp.245-256. Kyoto, Japan.
Маркет-баcкет аналіз у Python

Визначення метрики Zhang

  $$Zhang(A \rightarrow B) = $$ $$\frac{Confidence(A \rightarrow B) - Confidence(\bar{A} \rightarrow B)}{Max[Confidence(A \rightarrow B), Confidence(\bar{A} \rightarrow B)]}$$   $$Confidence = \frac{Support(A \& B)}{Support(A)}$$

Маркет-баcкет аналіз у Python

Побудова метрики Zhang через підтримку

  $$Zhang(A \rightarrow B) = $$ $$\frac{Support(A \& B) - Support(A) Support(B)}{ Max[Support(AB) (1-Support(A)), Support(A)(Support(B)-Support(AB))]}$$

Маркет-баcкет аналіз у Python

Обчислення метрики Zhang

# Compute the support of each book
supportH = hobbit.mean()
supportP = pride.mean()

# Compute the support of both books
supportHP = np.logical_and(hobbit, pride).mean()
Маркет-баcкет аналіз у Python

Обчислення метрики Zhang

# Compute the numerator
num = supportHP - supportH*supportP

# Compute the denominator
denom = max(supportHP*(1-supportH), supportH*(supportP-supportHP))

# Compute Zhang's metric
zhang = num / denom
print(zhang)

0.08903
Маркет-баcкет аналіз у Python

Давайте потренуємось!

Маркет-баcкет аналіз у Python

Preparing Video For Download...