Prática com itens de compra de um supermercado.
É um algortimos de aprendizado supervisionado. Seu principal objetivo é encontrar padrões relevantes nos dados. Padrões que possam ser usados para definir a estratégia do negócio ou para identificar um comportamento pouco usual.
AssociationRules - versão com comentários sobre as bibliotecas e métodos usados. Aconselhado para estudantes.
AssociationRules_ClearVersion - versão só com a aplicação.
TransactionEncoder Pandas Apriori Association Rules
- Importação das bibliotecas Pandas, MLExtend Processing (TransactionEncoder),
- Informar a base de dados
- Conhecendo a base de dados (head, shape, describe, unique)
- Criar uma lista com cada item do dataset
- Criando lista de produtos com indicador de true or false
- Criando dataframe com itens do mercado
- Excluindo coluna 'nan' do dataframe
- Gerando os itens frequentes no dataset
- Criando as regras de associação
- Reajustando o dataset
- Filtrando as melhores regras baseado no LIFT
- Avaliando resultados
http://rasbt.github.io/mlxtend/user_guide/preprocessing/TransactionEncoder/ http://rasbt.github.io/mlxtend/user_guide/frequent_patterns/apriori/ http://rasbt.github.io/mlxtend/user_guide/frequent_patterns/association_rules/ https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.sort_values.html https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.drop.html?highlight=drop#pandas.DataFrame.drop
Agradecimento ao Prof Leandro Lessa pelo aprendizado. Repositório original: https://github.com/ProfLeandroLessa/association-rules
Aulas ofertadas pela IGTI (atual XP Educação) em parceria com o Banco Pan
Alterações e acréscimos: Lidiane Aureliano https://github.com/laurelianox