Warenkorbanalyse in R

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.

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.

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.

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.