Phân tích giỏ hàng trong Python

Luật kết hợp cho biết hai hay nhiều mặt hàng có liên quan với nhau. Các chỉ số giúp chúng ta định lượng mức độ hữu ích của các mối quan hệ đó. Trong chương này, bạn sẽ áp dụng sáu chỉ số để đánh giá luật kết hợp: supply, confidence, lift, conviction, leverage và chỉ số của Zhang. Tiếp đó, bạn sẽ sử dụng luật kết hợp và các chỉ số để hỗ trợ một thư viện và một nhà bán e-book.

Bài toán cốt lõi của Phân tích giỏ hàng là làm sao chuyển một lượng lớn quyết định của khách hàng thành một số ít các quy tắc hữu ích. Quy trình này thường bắt đầu với việc áp dụng thuật toán Apriori và sử dụng thêm các chiến lược như cắt tỉa (pruning) và tổng hợp (aggregation). Trong chương này, bạn sẽ học cách dùng các phương pháp đó và cuối cùng áp dụng chúng trong bài tập hỗ trợ một nhà bán lẻ thiết kế bố cục cửa hàng và triển khai khuyến mãi chéo sản phẩm.

Ở chương cuối, bạn sẽ học cách sử dụng trực quan hóa để định hướng quá trình cắt tỉa và tóm tắt kết quả cuối cùng, thường ở dạng tập mục (itemset) hoặc luật. Bạn sẽ thành thạo ba loại trực quan hóa hữu ích nhất — heatmap, scatterplot và biểu đồ tọa độ song song — và áp dụng chúng để hỗ trợ một dịch vụ phát trực tuyến phim.