Hoppa till huvudinnehållet

Kurs

Marknadskorgsanalys i Python

Mellannivå4 tim

Utforska associationsregler i marknadskorgsanalys med Python med bokhandelsdata och skapa filmtips.

Python4 tim15 videor52 övningar4,350 XP14,854Intyg om fullgjord kurs

Skapa ditt kostnadsfria konto

Fortsätt med Google
eller
Genom att fortsätta godkänner du våra Användarvillkor, vår Integritetspolicy och att dina data lagras i USA.

Älskad av elever på tusentals företag

Utbildar ett team?

Prova för företag

Kursbeskrivning

Vad har Amazons produktrekommendationer och Netflixs filmförslag gemensamt? Båda bygger på marknadskorgsanalys – ett kraftfullt verktyg för att omvandla stora mängder kundtransaktioner och tittardata till enkla regler för produktkampanjer och rekommendationer. I den här kursen lär du dig att utföra marknadskorgsanalys med hjälp av Apriori-algoritmen, standardmått och anpassade mått, associationsregler, aggregering och gallring samt visualisering. Du befäster sedan dina kunskaper genom interaktiva övningar där du bygger rekommendationer för en liten livsmedelsbutik, ett bibliotek, en e-bokssäljare, en presentbutik och en filmstreamingtjänst. Under kursens gång upptäcker du dolda insikter som förbättrar rekommendationerna för kunderna.

Förkunskapskrav

Kursplan

Kursöversikt

1

Introduktion till marknadskorgsanalys

I det här kapitlet lär du dig grunderna i marknadskorgsanalys: associationsregler, mått och gallring. Sedan tillämpar du dessa begrepp för att hjälpa en liten livsmedelsbutik att förbättra sina kampanjer och sin produktplacering.
Starta kapitel
2

Associationsregler

Associationsregler visar att två eller fler varor hänger samman. Mått gör det möjligt att kvantifiera hur användbara dessa samband är. I det här kapitlet tillämpar du sex mått för att utvärdera associationsregler: support, konfidens, lyft, övertygelse, hävstång och Zhangs mått. Sedan använder du associationsregler och mått för att hjälpa ett bibliotek och en e-bokssäljare.
Starta kapitel
3

Aggregering och gallring

Den grundläggande utmaningen inom marknadskorgsanalys är att omvandla stora mängder kundbeslut till ett litet antal användbara regler. Processen börjar vanligtvis med Apriori-algoritmen och kompletteras med ytterligare strategier som gallring och aggregering. I det här kapitlet lär du dig att använda dessa metoder och tillämpar dem sedan i övningar där du hjälper en återförsäljare att välja butikslayout och planera korsmarknadsföring av produkter.
Starta kapitel
4

Visualisering av regler

I det här avslutande kapitlet lär du dig hur visualiseringar används för att vägleda gallringsprocessen och sammanfatta slutresultat, som vanligtvis presenteras i form av varukorgar eller regler. Du behärskar de tre mest användbara visualiseringstyperna – värmekartor, spridningsdiagram och diagram med parallella koordinater – och tillämpar dem för att hjälpa en filmstreamingtjänst.
Starta kapitel

Marknadskorgsanalys i Python

Kurs
slutförd

Tjäna intyg om genomförande

Registrera dig nu

Utveckla dina datakunskaper med DataCamp för mobil

Ta dig framåt var du än är med våra mobilkurser och dagliga 5-minuterskodningsutmaningar.