Поиск ассоциативных правил

ассоциативных правил (association rules mining). Он предоставляет нам следу­ ющие возможности:

zz Измерение частоты закономерности.

zz Установление причинно-следственных связей между закономерностями.

zz Количественная оценка полезности закономерностей (сравнение их точности со случайным угадыванием).

Примеры использования

Поиск ассоциативных правил используется, когда мы пытаемся исследовать причинно-следственные связи между различными переменными датасета. Ниже приведены примеры вопросов, на которые он способен дать ответ:

zz Какие значения влажности, облачности и температуры могут привести к за­ втрашнему дождю?

zz Какой вид страхового возмещения может свидетельствовать о мошенниче­ стве?

zz Какие комбинации лекарств могут привести к осложнениям для пациентов?

Анализ рыночной корзины

Механизмы рекомендаций будут подробно исследованы в главе 10. Анализ рыночной корзины (market basket analysis) — это наиболее простой способ вы­ работки рекомендаций. Для анализа корзины нужна только информация о том, какие товары были куплены вместе. Никакая информация о покупателе или о том, понравился ли ему конкретный товар, не требуется. Обратите внимание, что получить эти данные гораздо проще, чем данные о рейтингах.

Например, такого рода данные генерируются, когда мы совершаем покупки в супермаркете, и для их получения не нужно никакой специальной методики. Такие данные, собранные в течение определенного периода времени, называют­ ся транзакционными данными. Анализ рыночной корзины осуществляется путем применения поиска ассоциативных правил к транзакционным данным об одновременных покупках в круглосуточных магазинах, супермаркетах и се­ тях быстрого питания. Он измеряет условную вероятность совместной покупки набора товаров, что помогает ответить на следующие вопросы:

zz Каково оптимальное размещение товаров на полках? zz Как стоит располагать товары в рекламном каталоге?

zzЧто следует порекомендовать потребителю, исходя из его покупательского поведения?

Поскольку анализ рыночной корзины позволяет оценить, как товары связаны друг с другом, он часто используется для розничной торговли — в супермарке­ тах, круглосуточных магазинах, аптеках и сетях быстрого питания. Преимуще­ ство этого анализа заключается в том, что результаты почти не требуют поясне­ ний, а это значит, что они понятны бизнес-пользователям.

Давайте взглянем на типичный супермаркет. Все уникальные товары, доступные в магазине, могут быть представлены набором, π = {item1, item2, ..., itemm}. Итак, если в этом супермаркете продается 500 различных товаров, то это πбудет набор размером в 500 элементов.

Люди покупают товары в магазине. Каждый раз, когда происходит оплата, товар добавляется к списку предметов в определенной транзакции, называемому предметным набором (itemset). За определенный период времени транзакции группируются в набор, представленный , где = {t1, t2, ..., tn}.

Приведем пример простого набора транзакционных данных, состоящего всего из четырех транзакций (табл. 6.3).

Таблица 6.3

Разберем этот пример более подробно:

π = {bat, wickets, pads, helmet, ball}1 — набор всех уникальных предметов, до­ ступных в магазине.

Рассмотрим одну из транзакций в : t3. Обратите внимание, что предметы, купленные в t3, можно представить как itemsett3 = {helmet, ball}, что указывает на то, что клиент приобрел оба предмета. Поскольку в этом предметном наборе два элемента, размер itemsett3 считается равным двум.

1Bat — бита, wickets — ворота, pads — наколенники, helmet — шлем, ball — мяч. — Примеч. пер.

Ассоциативные правила

Ассоциативное правило математически описывает элементы взаимосвязи, уча­ ствующие в различных транзакциях. В правиле исследуется взаимосвязь между двумя предметными наборами в виде X Y, где X π, Y π. Кроме того, X и∩Y являются непересекающимися предметными наборами; это означает, что

X Y = .

Ассоциативное правило может быть описано так:

{helmet,balls} {bike}.

Здесь {helmet,ball} — это X, а {bike} — Y.

Типы правил

Запуск алгоритмов ассоциативного анализа обычно приводит к возникновению большого количества правил из набора данных транзакций. Большинство из них бесполезно. Чтобы выбрать правила, которые могут дать нам полезную информацию, мы можем разбить их на три типа:

zz тривиальные (trivial);

zz необъяснимые (inexplicable); zzполезные (actionable).

Давайте подробно рассмотрим каждый из типов.

Тривиальные правила

Среди большого количества правил многие оказываются бесполезными, по­ скольку они описывают общеизвестные факты о бизнесе. Такие правила назы­ ваются тривиальными (trivial rules). Даже если достоверность таких правил высока, они все равно не могут быть использованы для принятия решений, основанных на данных. Мы можем с чистой совестью игнорировать все триви­ альные правила.

Ниже приведены примеры тривиальных правил:

zz любой, кто прыгнет с высотного здания, скорее всего, погибнет; zz усердная учеба приводит к лучшим результатам на экзаменах;

zz продажи домашних нагревателей увеличиваются по мере понижения темпе­ ратуры;

zz вождение автомобиля с превышением скорости на шоссе приводит к более высокой вероятности аварии.

Необъяснимые правила

Среди правил, которые генерируются после запуска алгоритма ассоциативных правил, наиболее сложными в использовании являются те, которые не имеют очевидного объяснения. Обратите внимание, что правило считается полезным, только если оно помогает нам обнаружить и понять новую закономерность с четкой причинно-следственной связью. Если это не так и мы не можем объ­ яснить, почему событие X привело к событию Y, то это необъяснимое правило (inexplicable rule). Оно представляет собой математическую формулу, которая отражает бессмысленную связь между двумя не зависящими друг от друга со­ бытиями.

Примеры необъяснимых правил:

zz люди, которые носят красные рубашки, как правило, лучше сдают экзамены; zz зеленые велосипеды воруют с большей частотой;

zz люди, которые покупают соленые огурцы, в итоге покупают также и под­ гузники.

Полезные правила

Полезные правила (actionable rule) — это и есть клад, за которым мы охотимся. Они понятны бизнесу и ведут к новым идеям. Это отличный инструмент для выявления причин тех или иных явлений в бизнесе. Например, полезные пра­ вила, касающиеся покупательских привычек, помогут выбрать лучшее распо­ ложение товара в магазине. Они подскажут, какие товары стоит разместить на одной полке, чтобы увеличить шансы на продажу, поскольку их обычно поку­ пают вместе.

Ниже приведены примеры полезных правил и соответствующих решений:

zz Правило 1. Показ рекламы в аккаунтах пользователей в социальных сетях повышает вероятность продаж.

Полезное применение. Внедрение альтернативных способов рекламы про­ дукта.

zz Правило 2. Создание большего количества позиций в прайс-листе увеличи­ вает вероятность продаж.

Полезное применение. Один товар может участвовать в распродаже, в то время как цена на другой товар повышается.