Расширенная обрезка результатов алгоритма 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.

Это упражнение является частью курса

Анализ рыночных корзин на Python

SkillTag.level.intermediateSkillTag.label

4.9+

Начать курс бесплатно

В этой главе вы познакомитесь с основами анализа рыночных корзин: правилами ассоциации, метриками и отсечением. Затем вы применяете эти концепции на практике, помогая небольшому продуктовому магазину улучшить промоакции и расстановку товаров.

Exercise 1: Что такое анализ рыночных корзин?Exercise 2: Основы анализа рыночной корзины Exercise 3: Кросс-продажи товаров Exercise 4: Определение правил ассоциации Exercise 5: Несколько антецедентов и консеквентов Exercise 6: Подготовка данных для анализа рыночной корзины Exercise 7: Генерация ассоциативных правил Exercise 8: Простейшая метрика Exercise 9: Унитарное кодирование данных транзакций Exercise 10: Вычисление метрики поддержки

Правила ассоциации показывают, что два или более товара связаны между собой. Метрики позволяют количественно оценить полезность этих связей. В этой главе вы примените шесть метрик для оценки правил ассоциации: поддержку, достоверность, лифт, убеждённость, левередж и метрику Чжана. После этого вы воспользуетесь правилами ассоциации и метриками, чтобы помочь библиотеке и продавцу электронных книг.

Exercise 1: Уверенность и лифт Exercise 2: Рекомендация книг с помощью поддержки Exercise 3: Уточнение поддержки с помощью достоверности Exercise 4: Уточнение результатов с помощью лифта Exercise 5: Левередж и убеждённость Exercise 6: Lift и leverage: в чём разница Exercise 7: Вычисление убеждённости Exercise 8: Вычисление conviction с помощью функции Exercise 9: Продвижение электронных книг с помощью conviction Exercise 10: Ассоциация и диссоциация Exercise 11: Вычисление ассоциации и диссоциации Exercise 12: Определение метрики Чжана Exercise 13: Применение метрики Чжана Exercise 14: Продвинутые правила Exercise 15: Фильтрация по поддержке и убеждённости Exercise 16: Использование многокритериальной фильтрации для перекрёстного продвижения книг

Ключевая задача анализа рыночных корзин — преобразовать огромное количество решений покупателей в небольшой набор полезных правил. Этот процесс, как правило, начинается с применения алгоритма Apriori и включает дополнительные стратегии: отсечение и агрегацию. В этой главе вы освоите эти методы, а затем применяете их в упражнениях, где поможете ритейлеру выбрать планировку физического магазина и организовать перекрёстные продажи товаров.

Exercise 1: Агрегирование Exercise 2: Выполнение агрегации Exercise 3: Определение функции агрегации Exercise 4: Алгоритм Apriori Exercise 5: Отсечение и алгоритм Apriori Exercise 6: Поиск частых наборов элементов с помощью Apriori Exercise 7: Выбор порога поддержки Exercise 8: Базовое отсечение результатов алгоритма Apriori Exercise 9: Генерация правил ассоциации Exercise 10: Отсечение с помощью lift Exercise 11: Отсечение по достоверности Exercise 12: Расширенная обрезка результатов алгоритма Apriori

Текущее упражнение

Exercise 13: Агрегирование и фильтрация Exercise 14: Применение правила Чжана Exercise 15: Расширенная фильтрация с несколькими метриками

В заключительной главе вы узнаете, как визуализации помогают управлять процессом отсечения и резюмировать итоговые результаты в виде наборов элементов или правил. Вы освоите три наиболее полезных типа визуализации — тепловые карты, диаграммы рассеяния и графики параллельных координат — и примените их, помогая стриминговому сервису.

Exercise 1: Тепловые карты Exercise 2: Визуализация поддержки наборов элементов Exercise 3: Тепловые карты с lift Exercise 4: Интерпретация тепловых карт Exercise 5: Диаграммы рассеяния Exercise 6: Обрезка с помощью диаграмм рассеяния Exercise 7: Оптимальность границы поддержки и достоверности Exercise 8: График параллельных координат Exercise 9: Визуализация правил с помощью графика параллельных координат Exercise 10: Доработка графика параллельных координат Exercise 11: Поздравляем!