Build your ultimate AI agent
Kursbeschreibung
Was lag bei deinem letzten Supermarktbesuch im Einkaufskorb? Gab es eine Verbindung zwischen den Produkten, die du gekauft hast – zum Beispiel Spaghetti und Tomaten oder Schinken und Ananas? Ob online oder offline: Händlerinnen und Händler nutzen Informationen aus Millionen von Kund:innenkörben, um Zusammenhänge zwischen Artikeln zu analysieren und mithilfe von Assoziationsregeln Erkenntnisse zu gewinnen.Damit du den Grad der Verbindung zwischen Artikeln quantifizieren kannst, nutzt du die Warenkorbanalyse, um verborgene Zusammenhänge aufzudecken und relevante, aufschlussreiche Regeln zu visualisieren. Anschließend setzt du das Gelernte an einem Filmdatensatz in die Praxis um und sagst voraus, welche Filme gemeinsam geschaut werden – als Basis für personalisierte Filmempfehlungen.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Einführung in die Warenkorbanalyse
Was ist in deinem Korb? In diesem ersten Kapitel lernst du, wie sich mit der Warenkorbanalyse (MBA) Körbe untersuchen und Itemsets analysieren lassen, um Kundinnen und Kunden besser zu verstehen und ihre Bedürfnisse vorherzusagen. Mit tidyverse und dplyr findest du heraus, wie viele Körbe sich aus einer gegebenen Menge an Artikeln bilden lassen, und lernst, wie mächtig die Warenkorbanalyse für Online‑Shopping, Offline‑Shopping und Anwendungsfälle jenseits des Handels ist.
- Einführung in die Warenkorbanalyse50 XP
- Warenkörbe und Artikel50 XP
- Einzelner Warenkorb100 XP
- Was ist im Korb?100 XP
- Artikelkombinationen50 XP
- Anzahl möglicher Körbe100 XP
- Teil- und Obermengen50 XP
- Anzahl möglicher Körbe plotten100 XP
- Was ist Market Basket Analysis?50 XP
- Zwei Warenkörbe100 XP
- Mehrere Körbe100 XP
- Bestimmte Artikel betrachten100 XP
2
Metriken & Techniken der Warenkorbanalyse
In diesem Kapitel wandelst du transaktionale Datensätze in ein Korbformat um, das für die Analyse mit dem Apriori‑Algorithmus bereit ist. Anschließend lernst du die drei wichtigsten Metriken der Warenkorbanalyse kennen: Support, Confidence und Lift. Danach legst du selbst Hand an und extrahierst mit dem Apriori‑Algorithmus Regeln aus einem transaktionalen Datensatz. Zum Schluss erforschst du, wie das Paket arules in der Warenkorbanalyse eingesetzt wird, um Korbregeln zu ermitteln und dir dabei zu helfen, die aussagekräftigsten und relevantesten Regeln zu finden.
3
Visualisierung in der Warenkorbanalyse
Jetzt wird’s visuell. In diesem Kapitel inspizierst du die Menge der zuvor extrahierten Regeln visuell. Visualisierungen sind in der Warenkorbanalyse entscheidend, da du häufig mit großen Regelmengen arbeitest. Mit dem Paket arulesViz erstellst du Balken‑ und Streudiagramme sowie Graphen, um deine abgeleiteten Regelmengen zu visualisieren. Anschließend wandelst du die Plots in interaktive Visualisierungen um, sodass du leichter in die entdeckten Assoziationsregeln hineinzoomen kannst.
4
Fallstudie: Warenkorb mit Filmen
Ab ins Kino. In diesem abschließenden Kapitel wendest du alles Gelernte auf einen Filmdatensatz an. Mit der Warenkorbanalyse verwandelst du diesen Datensatz in ein Filmempfehlungssystem und nutzt Informationen aus Filmtransaktionen, um zu verstehen und vorherzusagen, was dein Publikum als Nächstes sehen möchte.
R
Warenkorbanalyse in R
Kurs
abgeschlossen
