Lift a leverage

Jak pokazano w lekcji wideo, lift i leverage są do siebie podobne. Jedna z tych miar jest ilorazem, a druga różnicą. Jedna ma próg 0 dla dobrych reguł, a druga – próg 1. Czy pamiętasz, która jest która?

To ćwiczenie jest częścią kursu

Analiza koszyka zakupowego w Pythonie

Interaktywne ćwiczenie praktyczne

Przekształć teorię w praktykę dzięki jednemu z naszych interaktywnych ćwiczeń

Rozpocznij ćwiczenie

To ćwiczenie jest częścią kursu

Analiza koszyka zakupowego w Pythonie

SkillTag.level.intermediateSkillTag.label

4.9+

Rozpocznij kurs za darmo

W tym rozdziale poznasz podstawy analizy koszyka zakupowego: reguły asocjacyjne, metryki oraz przycinanie. Następnie zastosujesz te koncepcje w praktyce, pomagając małemu sklepowi spożywczemu usprawnić promocje i rozmieszczenie produktów.

Exercise 1: Czym jest analiza koszyka zakupów?Exercise 2: Podstawy analizy koszyka zakupowego Exercise 3: Cross-selling produktów Exercise 4: Identyfikowanie reguł asocjacyjnych Exercise 5: Wiele poprzedników i następników Exercise 6: Przygotowanie danych do analizy koszyka zakupów Exercise 7: Generowanie reguł asocjacyjnych Exercise 8: Najprostsza metryka Exercise 9: Kodowanie one-hot danych transakcyjnych Exercise 10: Obliczanie metryki wsparcia

Reguły asocjacyjne informują o tym, że dwa lub więcej elementów jest ze sobą powiązanych. Metryki pozwalają określić, jak użyteczne są te powiązania. W tym rozdziale zastosujesz sześć metryk do oceny reguł asocjacyjnych: wsparcie, pewność, lift, przekonanie, dźwignię oraz metrykę Zhanga. Następnie wykorzystasz reguły asocjacyjne i metryki, pomagając bibliotece oraz sprzedawcy e-booków.

Exercise 1: Ufność i lift Exercise 2: Rekomendowanie książek przy użyciu supportu Exercise 3: Uzupełnianie wsparcia o ufność Exercise 4: Dalsze doskonalenie z użyciem liftu Exercise 5: Dźwignia i przekonanie Exercise 6: Lift a leverage

Bieżące ćwiczenie

Exercise 7: Obliczanie przekonania (conviction)Exercise 8: Obliczanie przekonania za pomocą funkcji Exercise 9: Promowanie e-booków za pomocą conviction Exercise 10: Asocjacja i dysocjacja Exercise 11: Obliczanie asocjacji i dysocjacji Exercise 12: Definiowanie metryki Zhanga Exercise 13: Stosowanie metryki Zhanga Exercise 14: Zaawansowane reguły Exercise 15: Filtrowanie według wsparcia i przekonania Exercise 16: Filtrowanie wielometryczne w celu cross-promocji książek

Głównym wyzwaniem analizy koszyka zakupowego jest przekształcenie ogromnej liczby decyzji zakupowych klientów w niewielki zestaw użytecznych reguł. Proces ten zazwyczaj rozpoczyna się od zastosowania algorytmu Apriori i obejmuje dodatkowe strategie, takie jak przycinanie i agregacja. W tym rozdziale nauczysz się korzystać z tych metod, a następnie zastosujesz je w ćwiczeniach, pomagając sprzedawcy zaprojektować układ sklepu stacjonarnego i zaplanować promocje krzyżowe produktów.

Exercise 1: Agregacja Exercise 2: Agregacja danych Exercise 3: Definiowanie funkcji agregującej Exercise 4: Algorytm Apriori Exercise 5: Przycinanie i algorytm Apriori Exercise 6: Identyfikowanie częstych zbiorów elementów za pomocą algorytmu Apriori Exercise 7: Wybór progu wsparcia Exercise 8: Podstawowe przycinanie wyników algorytmu Apriori Exercise 9: Generowanie reguł asocjacyjnych Exercise 10: Przycinanie za pomocą lift Exercise 11: Przycinanie według ufności Exercise 12: Zaawansowane przycinanie wyników algorytmu Apriori Exercise 13: Agregacja i filtrowanie Exercise 14: Stosowanie reguły Zhanga Exercise 15: Zaawansowane filtrowanie z użyciem wielu metryk

W tym ostatnim rozdziale dowiesz się, jak wizualizacje wspierają proces przycinania i podsumowują wyniki końcowe w postaci zbiorów elementów lub reguł. Opanujesz trzy najbardziej przydatne rodzaje wizualizacji – mapy cieplne, wykresy punktowe i wykresy współrzędnych równoległych – i zastosujesz je, pomagając serwisowi streamingowemu z filmami.

Exercise 1: Mapy ciepła Exercise 2: Wizualizacja wsparcia zbiorów elementów Exercise 3: Mapy cieplne z metryką lift Exercise 4: Interpretacja map ciepła Exercise 5: Wykresy punktowe Exercise 6: Przycinanie za pomocą wykresów rozrzutu Exercise 7: Optymalność granicy wsparcia i ufności Exercise 8: Wykres współrzędnych równoległych Exercise 9: Wizualizacja reguł za pomocą wykresu współrzędnych równoległych Exercise 10: Udoskonalanie wykresu współrzędnych równoległych Exercise 11: Gratulacje!