After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
코스 설명
지난번에 슈퍼마켓에 갔을 때 장바구니에 무엇을 담으셨나요? 스파게티와 토마토, 혹은 햄과 파인애플처럼 함께 담은 상품 사이에 연관성이 있었나요? 온라인이든 오프라인이든, 유통업체는 수백만 명 고객의 장바구니 데이터를 활용해 항목 간 연관성을 분석하고 association rules로 인사이트를 도출합니다.항목 간 연관 정도를 정량화하기 위해 market basket analysis를 사용해 보이지 않던 연결고리를 찾아내고, 의미 있고 유용한 규칙을 시각화해 볼 거예요. 이후에는 영화 데이터셋으로 실습하면서 어떤 영화가 함께 시청되는지 예측해, 사용자에게 맞춤형 영화 추천을 만드는 방법을 배웁니다.
사전 요구 사항
커리큘럼
코스 개요
1
Market Basket Analysis 소개
장바구니에는 무엇이 들어 있나요? 이 1장에서는 market basket analysis(MBA)를 활용해 장바구니를 살펴보고 itemset을 분석하여 고객을 더 잘 이해하고 그들의 니즈를 예측하는 방법을 배웁니다. tidyverse와 dplyr을 사용해 주어진 항목 집합에서 만들 수 있는 장바구니의 수를 계산하고, market basket analysis가 온라인 쇼핑, 오프라인 쇼핑은 물론 리테일을 넘어 다양한 활용 사례에서 얼마나 강력한지 알아봅니다.
2
Market Basket Analysis의 지표와 기법
이 장에서는 거래형 데이터셋을 Apriori 알고리즘으로 분석할 수 있도록 장바구니 형식으로 변환합니다. 이어서 market basket analysis의 세 가지 핵심 지표인 support, confidence, lift를 소개하고, Apriori 알고리즘을 직접 적용해 거래형 데이터셋에서 규칙을 추출해 볼 거예요. 마지막으로 arules 패키지를 사용해 장바구니 규칙을 산출하고, 가장 정보성이 높고 관련성 높은 규칙을 찾는 방법을 살펴봅니다.
3
Market Basket Analysis의 시각화
이제 시각화해 봅시다. 이 장에서는 앞에서 추출한 규칙 집합을 시각적으로 점검합니다. market basket analysis에서는 추출되는 규칙의 수가 많은 경우가 흔하기 때문에 시각화가 매우 중요합니다. arulesViz 패키지를 사용해 막대그래프, 산점도, 그래프를 만들어 추론된 규칙 집합을 시각화합니다. 그런 다음 여러 플롯을 인터랙티브 플롯으로 바꿔, 발굴된 association rules를 더 쉽게 탐색할 수 있게 합니다.
4
사례 연구: 영화 데이터를 활용한 Market Basket
이제 영화 데이터로 넘어가 보겠습니다. 마지막 장에서는 그동안 배운 내용을 영화 데이터셋에 적용합니다. market basket analysis를 활용해 이 데이터셋을 영화 추천 시스템으로 확장하고, 영화 거래 정보를 바탕으로 사용자가 다음에 보고 싶어 할 영화를 이해하고 예측해 봅니다.
R
R로 배우는 Market Basket Analysis
코스
완료
