Apriori の高度な結果の刈り込み

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

この演習はコースの一部です

Python で学ぶマーケットバスケット分析

SkillTag.level.intermediateSkillTag.label

4.9+

無料でコースを始める

この章では、マーケットバスケット分析の基礎であるアソシエーションルール、指標、枝刈りを学びます。続いて、これらの概念を実践し、小さな食料品店のプロモーションや商品配置の改善に役立てます。

Exercise 1: マーケットバスケット分析とは何ですか？Exercise 2: マーケットバスケット分析の基本 Exercise 3: クロスセル商品の選定 Exercise 4: アソシエーションルールを見つける Exercise 5: 複数の前件と後件 Exercise 6: マーケットバスケット分析のためのデータ準備 Exercise 7: アソシエーションルールの生成 Exercise 8: 最もシンプルな指標 Exercise 9: 取引データのワンホットエンコード Exercise 10: サポート指標を計算する

アソシエーションルールは、2 つ以上のアイテムに関連があることを示します。指標は、その関連の有用性を定量化するためのものです。この章では、アソシエーションルールを評価する 6 つの指標（支持度、確信度、リフト、コンビクション、レバレッジ、Zhang の指標）を適用します。さらに、アソシエーションルールと指標を用いて、図書館と電子書籍販売を支援します。

Exercise 1: 確信度とリフト Exercise 2: サポートを使った書籍のレコメンド Exercise 3: サポートを信頼度で磨く Exercise 4: リフトでさらに精査する Exercise 5: レバレッジとコンビクション Exercise 6: リフトとレバレッジの違い Exercise 7: convictionを計算する Exercise 8: 関数でconvictionを計算する Exercise 9: conviction で電子書籍をプロモーション Exercise 10: 結合と非結合 Exercise 11: 連関と乖離を計算する Exercise 12: Zhang の指標を定義する Exercise 13: Zhang の指標を適用する Exercise 14: 高度なルール Exercise 15: support と conviction によるフィルタリング Exercise 16: 複数指標でのフィルタリングを使って書籍をクロスプロモーションする

マーケットバスケット分析の根本的な課題は、膨大な顧客の意思決定を、少数の有用なルールへと落とし込む方法を見つけることです。一般に、このプロセスは Apriori アルゴリズムの適用から始まり、枝刈りや集約などの追加手法も用います。この章では、これらの方法の使い方を学び、最終的に小売業者の実店舗レイアウトの選定やクロスプロモーションの実施を支援する演習に取り組みます。

Exercise 1: 集約 Exercise 2: 集約の実行 Exercise 3: 集約関数を定義する Exercise 4: Aprioriアルゴリズム Exercise 5: 刈り込みと Apriori Exercise 6: Apriori で頻出アイテム集合を特定する Exercise 7: サポートしきい値を選ぶ Exercise 8: Apriori の基本結果の枝刈り Exercise 9: アソシエーションルールの生成 Exercise 10: lift を使った枝刈り Exercise 11: confidence での枝刈り Exercise 12: Apriori の高度な結果の刈り込み

現在の演習

Exercise 13: 集約とフィルタリング Exercise 14: Zhangの指標を適用する Exercise 15: 複数メトリクスでの高度なフィルタリング

最終章では、可視化が枝刈りの判断を助け、最終結果（通常はアイテム集合やルールの形）を要約するためにどのように使われるかを学びます。特に有用な 3 つの可視化であるヒートマップ、散布図、パラレル座標プロットを身につけ、動画配信サービスの支援に活用します。

Exercise 1: ヒートマップ Exercise 2: アイテムセットのサポートを可視化する Exercise 3: リフトを使ったヒートマップ Exercise 4: ヒートマップを読み解く Exercise 5: 散布図 Exercise 6: 散布図でのプルーニング Exercise 7: support-confidence 境界の最適性 Exercise 8: 平行座標プロット Exercise 9: 平行座標で規則を可視化する Exercise 10: 平行座標プロットを洗練させる Exercise 11: おめでとうございます！