CUT MIND - Reglas de Asociación

Введение в правила ассоциации

Основные концепции правил ассоциации

• Правила ассоциации используются для анализа покупок продуктов в магазинах, позволяя выявлять паттерны и группы товаров, которые часто продаются вместе.

• Применения анализа включают упорядочение продуктов, определение навигационных паттернов в магазинах и предложение эффективных акций на пары товаров.

Анализ опросов как аналогия

• Опросы можно рассматривать как покупки, где каждая ответ соответствует конкретному продукту. Это позволяет анализировать данные опросов так же, как и данные о покупках.

• Анализ может помочь обнаружить неизвестные паттерны ответов и проверить гипотезы о предпочтениях людей.

Алгоритм A-Priori

Определения ключевых понятий

• Алгоритм A-Priori — наиболее распространенный метод для автоматического нахождения правил ассоциации из данных.

• Итемсет — это коллекция одного или нескольких элементов (например, "молоко", "подгузники" и "пиво").

Поддержка и частота

• Поддержка отражает количество раз, когда итемсет появляется в базе данных; относительная поддержка — это частота появления итемсета по отношению к общему числу транзакций.

• Правило ассоциации имеет вид x → y (например, "молоко" и "подгузники" → "пиво"), что подразумевает связь между покупками.

Примеры правил ассоциации

Визуализация данных

• Таблица с транзакциями показывает различные комбинации продуктов. Например, одна транзакция может содержать два продукта, а другая — четыре.

• Разные правила могут быть сформированы из одних и тех же продуктов; важно понимать контекст каждой связи.

Выбор значимых правил

• Не все возможные правила будут выбраны; только те, которые превышают заранее определенные пороги интереса.

Индикаторы производительности

Понимание поддержки

• Поддержка итемсета определяется как относительная частота его появления в базе данных. Например, поддержка правила "молоко", "подгузники" → "пиво" равна поддержке соответствующего итемсета.

Расчет доверия

• Доверие для правила x → y указывает вероятность покупки y при условии покупки x. Оно рассчитывается на основе количества транзакций с обоими элементами.

Как рассчитывать доверие и лифт в правилах ассоциации?

Расчет доверия для правил ассоциации

• Обсуждается, как считать количество строк, содержащих одновременно три элемента: молоко и подгузники. Это позволяет определить числитель для расчета доверия.

• Упоминается, что молоко и подгузники также встречаются в пятой строке, что увеличивает общее количество случаев для расчета знаменателя.

Вероятностные связи между элементами

• Поясняется связь между расчетом доверия правила x → y и вероятностью появления набора элементов y при условии x с использованием формулы условной вероятности.

• Если правило имеет доверие 0.67, это означает, что 67% покупателей молока и подгузников также купили пиво.

Влияние поддержки на доверие

• Высокое значение доверия может быть связано с высокой поддержкой правой части правила независимо от левой части.

• Приводится пример: если вероятность покупки пива составляет 70%, то знание о покупке молока не добавляет информации о вероятности покупки пива.

Расчет лифта (lift)

• Для вычисления лифта необходимо рассчитать доверие правила и поддержку пива. Доверие уже было рассчитано как 0.67.

• Поддержка пива определяется количеством строк с этим продуктом; в данном случае она равна 3 из 5.

Интерпретация результатов лифта

• Лифт рассчитывается как отношение доверия к поддержке; если он больше одного, это указывает на увеличение вероятности покупки пива при наличии молока и подгузников.

• Если лифт равен одному, это говорит о том, что информация о покупке молока не влияет на вероятность покупки пива.

Зависимость между переменными

• Если лифт меньше одного, это указывает на отрицательное влияние antecedent (молоко и подгузники) на последующий элемент (пиво).

• Пример показывает независимость переменных: если лифт равен одному, то покупка молока не влияет на вероятность покупки пива.

Основные концепции