Market Basket Analysis in Python

Associatieregels vertellen ons dat twee of meer items met elkaar samenhangen. Metriek helpt ons om het nut van die relaties te kwantificeren. In dit hoofdstuk pas je zes metriek toe om associatieregels te evalueren: support, confidence, lift, conviction, leverage en Zhang's metric. Vervolgens gebruik je associatieregels en metriek om een bibliotheek en een e-booksverkoper te assisteren.

Het kernprobleem van Market Basket Analysis is bepalen hoe je enorme aantallen klantbeslissingen omzet in een klein aantal bruikbare regels. Dit proces begint meestal met het Apriori-algoritme en omvat extra strategieën zoals pruning en aggregatie. In dit hoofdstuk leer je hoe je deze methoden gebruikt en pas je ze uiteindelijk toe in oefeningen waarin je een retailer helpt bij het kiezen van een fysieke winkelindeling en het uitvoeren van product-crosspromoties.

In dit laatste hoofdstuk leer je hoe visualisaties worden gebruikt om het pruningproces te sturen en de eindresultaten samen te vatten, die doorgaans de vorm hebben van itemsets of regels. Je beheerst de drie meest bruikbare visualisaties — heatmaps, scatterplots en parallelle coördinatenplots — en past ze toe om een streamingdienst te ondersteunen.