“Se isso então aquilo” com o apriori

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.

Este exercicio faz parte do curso

Análise de Cesta de Compras em R

IntermediárioNível de habilidade

4.8+

86 reviews

Comece o curso gratuitamente

O que tem na sua cesta? Neste primeiro capítulo, você vai aprender como a análise de cesta de compras (MBA) pode ser usada para olhar para as cestas e explorar conjuntos de itens para entender melhor os clientes e prever suas necessidades. Usando tidyverse e dplyr, você vai descobrir quantas cestas podem ser criadas a partir de um conjunto de itens e entender o poder da análise de cesta de compras para compras online, offline e casos além do varejo.

Exercise 1: Introdução a market basket Exercise 2: Cestas e itens Exercise 3: Cesta única Exercise 4: O que tem na cesta?Exercise 5: Combinações de itens Exercise 6: Número de cestas possíveis Exercise 7: Subconjuntos e superconjuntos Exercise 8: Plotar o número de cestas possíveis Exercise 9: O que é market basket analysis?Exercise 10: Duas cestas Exercise 11: Vários cestos Exercise 12: Observando itens específicos

Neste capítulo, você vai converter conjuntos de dados transacionais para o formato de cesta, prontos para análise com o algoritmo Apriori. Em seguida, será apresentado às três principais métricas da análise de cesta de compras: suporte, confiança e lift, antes de colocar a mão na massa com o algoritmo Apriori para extrair regras de um conjunto de dados transacional. Por fim, você explora como o pacote arules é usado na análise de cesta de compras para recuperar regras e ajudar a encontrar as mais informativas e relevantes.

Exercise 1: Dados transacionais Exercise 2: Transformando o data frame online em transações Exercise 3: Inspetor de varejo Exercise 4: Densidade da matriz de itens?Exercise 5: Métricas na análise de cesta de mercado Exercise 6: A medida de suporte Exercise 7: Medidas de confiança e lift Exercise 8: Alterando a aparência das regras Exercise 9: O algoritmo apriori Exercise 10: Princípio de Apriori Exercise 11: Vamos às compras de regras Exercise 12: Parâmetros do apriori Exercise 13: “Se isso então aquilo” com o apriori

Exercicio Atual

Exercise 14: Brincando com a aparência Exercise 15: Regras redundantes Exercise 16: Interpretação de regras

Vamos visualizar. Neste capítulo, você vai inspecionar visualmente o conjunto de regras que extraiu anteriormente. Visualizações em análise de cesta de compras são essenciais, já que muitas vezes você lida com grandes conjuntos de regras extraídas. Você usará o pacote arulesViz para criar gráficos de barras, de dispersão e grafos para visualizar seus conjuntos de regras inferidas. Depois, vai transformar esses gráficos em visualizações interativas, facilitando explorar em profundidade as regras de associação mineradas.

Exercise 1: Vamos ver o que tem na cesta Exercise 2: O que tem na cesta?Exercise 3: O que é mais popular?Exercise 4: Deixando os visuais mais caprichados Exercise 5: Visualizando métricas Exercise 6: Gráficos de dispersão Exercise 7: Gráficos do ArulesViz Exercise 8: Dando vida às regras Exercise 9: Das regras às visualizações baseadas em grafos Exercise 10: Brincando com grafos Exercise 11: Entendendo o grafo Exercise 12: Portabilidade do seu grafo Exercise 13: Gráficos alternativos de regras Exercise 14: Visualizações baseadas em matriz agrupada Exercise 15: Gráficos de coordenadas paralelas Exercise 16: Dominando o RuleExplorer

Vamos ao cinema. Neste capítulo final, você vai aplicar tudo o que aprendeu trabalhando com um conjunto de dados de filmes. Usando a análise de cesta de compras, você vai transformar esse conjunto em um sistema de recomendação de filmes, aproveitando informações de transações de filmes para entender e prever o que seu público pode querer assistir em seguida.

Exercise 1: Recapitulação sobre transações Exercise 2: Conhecendo o conjunto de dados MovieLens Exercise 3: Transações de filmes Exercise 4: Gráficos de frequência Exercise 5: Minerando regras de associação Exercise 6: Popularidade dos filmes Exercise 7: Escolhendo os parâmetros certos para filmes Exercise 8: Extraindo regras de filmes Exercise 9: Visualizando transações e regras Exercise 10: Onde está Pulp Fiction?Exercise 11: Visualizando regras de filmes Exercise 12: Nossos filmes favoritos como um grafo Exercise 13: Aproveitando ao máximo a análise de cesta de compras Exercise 14: O que influenciou Pulp Fiction?Exercise 15: O que Pulp Fiction influenciou?Exercise 16: Use suas habilidades de market basket!