[데이터분석] 장바구니 분석(apriori 알고리즘) 사용 및 해석하기

apriori 알고리즘을 사용하기 위해서는 다음과 같은 구조로 데이터셋이 되어야 한다.

dataset = [
	['아메리카노', '카페라떼'],
	['카페라떼', '아메리카노', '카푸치노'],
	['바닐라라떼', '아메리카노'],
	...
]

 

DBMS에 이런식으로 데이터가 저장되어 있을리가 만무하다. 전처리를 위해 어떻게 처리하면 좋을지 이전 포스팅에 추가해두었다.

 

https://blog.naver.com/varkiry05/221724021065

[데이터정제] apriori 알고리즘을 실행할 수 있게 데이터 변형하기

 

 

여기서는 샘플을 만들어 진행하고자 한다.

 

데이터셋 샘플 만들기

dataset = [
	['아메리카노', '카페라떼'],
	['카페라떼', '아메리카노', '카푸치노'],
	['바닐라라떼', '아메리카노'],
	['녹차라떼', '카페라떼', '아메리카노'],
	['카페모카', '아메리카노'],
	['아메리카노', '카페라떼'],
	['초콜릿', '아메리카노'],
	['아메리카노'],
	['카페모카', '카페라떼']
]

 

pandas, mlxtend 패키지를 로드한다

from mlxtend.preprocessing import TransactionEncoder
from mlxtend.frequent_patterns import apriori

 

학습 시작

te = TransactionEncoder()
te_result = te.fit(dataset).transform(dataset)

 

te_result 결과를 보면 다음과 같다.

 

이것을 보기 좋게 데이터프레임으로 넣는다

 

데이터를 보면 모든 상품이 컬럼명으로 들어가있고, 각 row마다 포함된 상품에 True 를 반환한다.

인덱스 0(첫번째)줄을 보면 아메리카노와 카페라떼를 구매했기 때문에 두개의 컬럼에만 True 되어있다.

 

이제 apriori 알고리즘을 사용해보자

itemset = apriori(df, use_colnames=True)
itemset

 

특별히 옵션을 주지 않으면 기본 지지도(support)는 0.5로 설정된다. 이번에는 옵션을 넣어 지지도를 좀더 낮춰본다.

itemset = apriori(df, min_support=0.1, use_colnames=True)
itemset

 

아메리카노를 제외하면 지지도가 대부분 낮다.

실제 데이터를 돌렸을땐 이보다 더 낮은 지지도를 형성하는 경우가 많았다.

심할때는 옵션에 support 를 0.001 을 주기도 했다.

 

이제 신뢰도를 확인하자

min_threshold 의 기본값은 0.8 이다.

그런데 위에서 지지도가 낮은것을 억지로 보이게 했으니 신뢰도도 상대적으로 낮게 설정해야 목록이 좀 보인다.

from mlxtend.frequent_patterns import association_rules
association_rules(itemset, metric="confidence", min_threshold=0.1) 

min_threshold 를 0.1 로 설정한 경우

 

min_threshold 를 기본값(0.8)으로 둘 경우

 

 

lift(향상도) 수치가 1보다 큰것들이 있는데, 1보다 클수록 우연히 일어나지 않았다는 표시다. 아무런 관계가 없다면 1로 표시된다.

위의 표를 해석해보자면 아메리카노를 구매할 때 초콜릿이나 바닐라라떼, 카페모카 등을 구매하는 경우가 있고 셋의 신뢰도(confidence)가 0.1818로 같다.

- 아메리카노 - 바닐라라떼: 0.1818

- 아메리카노- 초콜릿: 0.1818

- 아메리카노 - 카페모카: 0.1818

 

이중 바닐라라떼의 향상도가 1보다 커 가장 높은 인기를 가진다는 의미다.

 

---

 

이쯤에서 각 용어들에 대해 조금 알아두면 좋을 듯 하다.

 

- support(지지도)

전체 거래에서 특정 물품 A와 B가 동시에 거래되는 비중

해당 규칙이 얼마나 의미있는지 보여줌.

 

지지도 = P(A∩B)

:A와 B가 동시에 일어난 횟수 / 전체 거래 횟수

 

 

- confiddence(신뢰도)

A를 포함하는 거래 중 A와 B가 동시에 거래되는 비중

 

신뢰도 = P(A∩B) / P(A)

:A와 B가 동시에 일어난 횟수 / A가 일어난 횟수

 

 

- lift(향상도)

A라는 상품에서 신뢰도가 동일한 상품 B와 C가 존재할 때, 어떤 상품을 더 추천해야 좋을지 판단.

A와 B가 동시에 거래된 비중을 A와 B가 서로 독립된 사건일 때 동시에 거래된 비중으로 나눈 값

 

향상도 = P(A∩B) / P(A)*P(B) = P (B|A) / P (B)

: A와 B가 동시에 일어난 횟수 / A, B가 독립된 사건일 때 A,B가 동시에 일어날 확률

 

 

끝.

 

 

 

참조:

https://needjarvis.tistory.com/59

추천을 위한 연관성 규칙(Association Rules)의 지지도, 신뢰도, 향상도

http://www.dodomira.com/2016/02/15/r%EC%9D%84-%EC%82%AC%EC%9A%A9%ED%95%9C-%EC%97%B0%EA%B4%80%EC%84%B1-%EB%B6%84%EC%84%9D-association-rules-in-r/

연관성 분석 in R (association rules in R)

http://blog.naver.com/PostView.nhn?blogId=eqfq1&logNo=221444712369&parentCategoryNo=&categoryNo=45&viewDate=&isShowPopularPosts=true&from=search

파이썬 Apriori 알고리즘(장바구니분석, 연관분석)