Informatica

Regole associative

Introduzione

• Tra le informazioni che le attuali tecnologie consentono di raccogliere, i dati di vendita rappresentano senz’altro una parte fondamentale sia per volume che per potenzialità di sfruttamento a fini di marketing.
• Esempio: Il flusso continuo di informazioni sulle abitudini di acquisto dei clienti che proviene dai registratori di cassa di un supermercato.
• Market Basket Analysis. In quest’ambito è sorta la tecnica che utilizza le informazioni su cosa, quando e quanto si compra per costruire dei modelli di comportamento di acquisto.
• La tecnica di data mining che realizza la market basket analysis sono le regole associative.
• Le regole associative si collocano tra i metodi di apprendimento non supervisionato e sono volte all’identificazione di regolarità e ricorrenze tra i dati.
• Sono semplici ed intuitive e trovano frequente applicazione nelle analisi di transazioni commerciali (market basket analysis).
• Vedremo alcuni esempi, i principali indicatori di valutazione e alcuni metodi.

Market Basket Analysis

• Ogni volta che un cliente effettua degli acquisti in un punto vendita, l’operazione viene registrata.
• Per ciascuna transazione vengono memorizzate la lista degli articoli acquistati, il prezzo, la data,...
• L’analisi di questi dati può produrre informazioni importanti per determinare regole ricorrenti che pongono in relazione l’acquisto di uno o più prodotti con altri.
• Con queste informazioni si possono progettare azioni promozionali o per posizionare gli articoli sugli scaffali.

Mining di regole associative

Dato un insieme di transazioni, trovare le regole che segnalano la presenza di un elemento sulla base della presenza di altri elementi nella transazione.

Transazioni del carrello della spesa “Market-Basket”

Mining di regole associative

Dato un insieme di transazioni, trovare le regole che segnalano la presenza di un elemento sulla base della presenza di altri elementi nella transazione.

Transazioni del carrello della spesa “Market-Basket”

Alcuni esempi…

Mining di regole associative

Dato un insieme di transazioni, trovare le regole che segnalano la presenza di un elemento sulla base della presenza di altri elementi nella transazione.

Transazioni del carrello della spesa “Market-Basket”

Alcuni esempi…

La co-occorrenza non implica causalità!

Mining di regole associative

Dato un insieme di transazioni, trovare le regole che segnalano la presenza di un elemento sulla base della presenza di altri elementi nella transazione.

Transazioni del carrello della spesa “Market-Basket”

Alcuni esempi…

La co-occorrenza non implica causalità!

Attenzione:

Mining di regole associative

Dato un insieme di transazioni, trovare le regole che segnalano la presenza di un elemento sulla base della presenza di altri elementi nella transazione.

Transazioni del carrello della spesa “Market-Basket”

Alcuni esempi…

La co-occorrenza non implica causalità!

Attenzione: Gli item sono modellati da variabili binarie asimmetriche.

Mining di regole associative

Dato un insieme di transazioni, trovare le regole che segnalano la presenza di un elemento sulla base della presenza di altri elementi nella transazione.

Transazioni del carrello della spesa “Market-Basket”

Alcuni esempi…

La co-occorrenza non implica causalità!

Attenzione: Gli item sono modellati da variabili binarie asimmetriche.

Un item è presente oppure è assente nella transazione.

Mining di regole associative

Dato un insieme di transazioni, trovare le regole che segnalano la presenza di un elemento sulla base della presenza di altri elementi nella transazione.

Transazioni del carrello della spesa “Market-Basket”

Alcuni esempi…

La co-occorrenza non implica causalità!

Attenzione: Gli item sono modellati da variabili binarie asimmetriche.

Un item è presente oppure è assente nella transazione.

La presenza è un evento molto più importante della assenza.

Frequent Itemset - Insiemi frequenti

Itemset

• Una collezione di uno o più elementi.
• Esempi: {Latte, Pane, Pannolini}

k-itemset

• Un itemset che contiene k-elementi.

Conteggio del supporto – ( )

Numero di istanze dell’item o itemset nell’insieme delle transazioni.

Esempio: ({Latte, Pane, Pannolini}) = 2

Supporto – s( )

Frazione delle transazioni che contiene l’item o itemset.

Esempio: s({Latte, Pane, Pannolini}) = 2/5

Frequent Itemset

Cola è un