Analisi del carrello in R

In questo capitolo convertirai insiemi di dati transazionali in formato carrello, pronti per l’analisi con l’algoritmo Apriori. Ti presenteremo poi le tre metriche principali per l’analisi del carrello: supporto, confidenza e lift, prima di passare alla pratica con l’algoritmo Apriori per estrarre regole da un insieme di dati transazionali. Infine, esplorerai come il pacchetto arules viene usato nell’analisi del carrello per recuperare le regole e aiutarti a trovare quelle più informative e rilevanti.

Passiamo alla visualizzazione. In questo capitolo ispezionerai visivamente l’insieme di regole che hai estratto in precedenza. Le visualizzazioni nell’analisi del carrello sono fondamentali, perché spesso si lavora con grandi insiemi di regole. Userai il pacchetto arulesViz per creare barplot, scatterplot e grafi e visualizzare i tuoi insiemi di regole inferite. Trasformerai poi questi grafici in versioni interattive, rendendo più semplice approfondire le regole di associazione individuate.

Si va al cinema. In questo capitolo finale applicherai tutto ciò che hai imparato lavorando con un insieme di dati di film. Grazie all’analisi del carrello trasformerai questo insieme di dati in un sistema di raccomandazione di film, utilizzando le informazioni delle transazioni per capire e prevedere cosa potrebbe voler guardare il tuo pubblico dopo.