Анализ правил ассоциации из пекарни с помощью python и Power BI
Представьте, вы мужчина, женатый, у вас есть ребенок. Что ж, как хороший отец и муж, вы пытаетесь помочь своей жене делать некоторые вещи по дому, помимо того, чтобы помогать ей ухаживать за ребенком, например, готовить, убирать дом, выносить мусор, стирать одежду и т. д. ходить в супермаркет на выходных.
Наконец наступит пятница, вам нужно пойти в супермаркет, чтобы купить подгузники. Итак, в супермаркете вы видите зал с пивом и думаете: «Раз я завтра не работаю и могу проснуться чуть позже, куплю немного пива, выпью сегодня и посмотрю игру». Итак, каждую пятницу вы с удовольствием ходите в супермаркет, чтобы купить подгузники и купить немного пива.
Это модель поведения группы людей, которая произошла в Walmart и получила название «Дело о подгузниках и пиве». Мужчины, которые ходят в супермаркеты, покупают подгузники для своих детей и в конечном итоге покупают пиво.
Так же, как у вас может быть определенный шаблон покупки. Я буду использовать себя в качестве примера. В моем доме, по совпадению, оливковое масло заканчивается на той же неделе, что и кофейный порошок, затем я иду в супермаркет и большую часть времени покупаю их оба.
Что такое изучение ассоциативных правил?
После некоторых приведенных выше примеров несложно сделать вывод, что правила ассоциации являются как случайными,но не. Тот же пример с супермаркетом: когда кто-то идет в супермаркет, чтобы купить хлеб, мы видим, что у него есть много других продуктов, связанных с завтраком, таких как печенье, пирожные, хлопья и тосты. Это происходит потому, что эти продакт-плейсменты являются результатом ассоциаций, основанных на предыдущих транзакциях клиентов, с единственной мотивацией, заключающейся в том, что покупатель не должен тратить время на поиск релевантных товаров.
Изучение ассоциативных правил – это основанный на правилах метод машинного обучения для обнаружения интересных взаимосвязей между переменными в больших базах данных. Он предназначен для выявления сильных правил, обнаруженных в базах данных, с использованием некоторых показателей интереса. В любой данной транзакции с различными элементами правила ассоциации предназначены для обнаружения правил, определяющих, как и почему связаны определенные элементы.
Использование данных пекарни в качестве примера
Что ж, воспользуемся базой данных от Kaggle, чтобы посмотреть, как применить в бизнесе.
Выше у нас есть таблица транзакций, что означает каждый товар, который купил каждый клиент. В транзакции 2 клиент купил 2 продукта под названием «скандинавские», в транзакции 3 клиент купил горячий шоколад и джем и так далее.
В зависимости от вида бизнеса у него может быть много продуктов, и не все из них актуальны, потому что у них не слишком много продаж. Поэтому нам нужно определить параметр под названием «поддержка», который представляет собой частоту продажи товаров.
Здесь у нас есть только элементы, которые имеют поддержку 1% или более.
Итак, следующий шаг — применение априорной модели с метрикой «Подъем». Эта метрика, которую нам нужно передать алгоритму, в основном говорит нам о том, что вероятность купить тост и кофе вместе в 1,47 раза больше, чем вероятность просто купить кофе. Беллоу, у нас есть результат.
Это наш окончательный результат — таблица, показывающая, какие продукты чаще всего покупают вместе. Обратите внимание, что результат таблицы показывает нам некоторые поля, такие как достоверность, которые относятся к вероятности того, что товар B также будет куплен, если будет куплен товар A.
После этого я создал прототип приборной панели с помощью инструмента Adobe XD, прежде чем встроить его в Power BI.
Ваше мнение? Ответь мне в комментариях.
Это был мой первый случай изучения априори с этим правилом технической ассоциации. Однако, признаюсь, мне это очень понравилось. Я думаю, что такой анализ, как поведение клиента, покупки и анализ продуктов, очень интересен.
Если вам понравилось и вы считаете интересным делать такой анализ, дайте мне знать в комментариях. Я углублюсь в эту тему и поделюсь другими подобными статьями.
Ах, если вы уже работали над такого рода проектом и у вас есть несколько советов для меня, пожалуйста, дайте мне знать, я хотел бы узнать больше от кого-то, кто уже сделал настоящий проект.
Спасибо, что прочитали :)
Чтобы получить доступ к коду в репозитории GitHub, нажмите здесь.
Рекомендации
Изучение ассоциативных правил — Википедия
Концептуальное введение в анализ ассоциативных правил — Часть 1 | Аннет Кэтрин Пол | делвифай | Medium
Хлебная корзина | Kaggle
