lift を使った枝刈り

今回も、ノベルティギフト店のマネージャーに報告します。今回は、Apriori アルゴリズムで高い support のしきい値を使うとルールが見つからず、低いしきい値では 2 つのルールしか得られなかったことを伝えました。マネージャーはよくやったと言いつつ、その 2 つのルールを 1 つに絞るために別の指標の使用を検討するよう依頼してきました。

lift の解釈はシンプルだったことを思い出します。値が 1 より大きい場合、トランザクションでアイテムが独立に分布していると仮定した場合よりも一緒に出現しやすいことを示します。伝えやすいメッセージなので、lift を使うことに決めました。pandas は pd として利用可能で、ワンホットエンコード済みのトランザクションデータは onehot として利用できます。さらに、apriori は mlxtend からインポート済みです。