Basket size là gì

• Các package sử dụng trong Basket Analysis.

library(arules) library(arulesViz) library(reshape2) library(dplyr)

• Basket Analysis.

  • Dữ liệu sử dụng sản phẩm khách hàng - Product holding

folder <- "D:/2.R/1.Datamining/1.Basket analysis/" baset.raw.test <- read.csv(file = paste(folder,"basket.raw.csv",sep = "")) baset.raw.test %>% head()

## cif item value ## 1 192852 banca 1 ## 2 3106491 banca 1 ## 3 1998832 banca 1 ## 4 2251209 banca 1 ## 5 2169657 banca 1 ## 6 84728 banca 1

• Sử dụng hàm read.transaction() chuyển dữ liệu từ dạng data.frame sang dạng dữ liệu liệt kê sản phẩm (item)

baset.raw <- read.transactions(file = paste(folder,"basket.raw.csv",sep = ""), format = "single", sep = ",", cols = c("cif","item")) baset.raw %>% summary()

## transactions as itemMatrix in sparse format with ## 42264 rows (elements/itemsets/transactions) and ## 33 columns (items) and a density of 0.05489449 ## ## most frequent items: ## tgkkh i2b gd_noibo card_debit pro_auto (Other) ## 40940 10627 5046 4076 3907 11966 ## ## element (itemset/transaction) length distribution: ## sizes ## 1 2 3 4 5 6 7 8 9 10 11 12 ## 25388 8971 3873 1711 951 551 362 190 136 66 32 20 ## 13 14 15 16 ## 7 4 1 1 ## ## Min. 1st Qu. Median Mean 3rd Qu. Max. ## 1.000 1.000 1.000 1.812 2.000 16.000 ## ## includes extended item information - examples: ## labels ## 1 banca ## 2 bao_lanh_bao_hanh ## 3 bao_lanh_du_thau ## ## includes extended transaction information - examples: ## transactionID ## 1 1000 ## 2 1000019 ## 3 100003

• Sử dụng hàm apriori tìm rule.

rule <- apriori(data = baset.raw, parameter = list(support = 0.01, #Minimum support level to filter the transaction. # Nếu mức support nhỏ nhất là (10%) thì có nghĩa là nếu khách hàng mua 1 sản phẩm A # mà ít hơn 10% thì sản phẩm đó sẽ không đc coi là 1 rules. confidence = 0.5, # Minimum confidence level to filter the transaction- # Mức độ tin cậy tới thiểu để lọc các giá trị maxlen = 9, # Tìm kiếm mối quan hệ tối đa của 2 sản phẩm. (A ==> B) minlen = 1) # ,appearance = list(rhs = c("Pro1")) )

## Apriori ## ## Parameter specification: ## confidence minval smax arem aval originalSupport support minlen maxlen ## 0.5 0.1 1 none FALSE TRUE 0.01 1 9 ## target ext ## rules FALSE ## ## Algorithmic control: ## filter tree heap memopt load sort verbose ## 0.1 TRUE TRUE FALSE TRUE 2 TRUE ## ## Absolute minimum support count: 422 ## ## set item appearances ...[0 item(s)] done [0.00s]. ## set transactions ...[33 item(s), 42264 transaction(s)] done [0.00s]. ## sorting and recoding items ... [17 item(s)] done [0.00s]. ## creating transaction tree ... done [0.01s]. ## checking subsets of size 1 2 3 4 done [0.00s]. ## writing ... [62 rule(s)] done [0.00s]. ## creating S4 object ... done [0.00s].

# Bước 3: Kiểm tra các rule có chỉ số lift là cao nhất as(rule,"data.frame") %>% arrange(desc(lift)) %>% head()

## rules support confidence lift ## 1 {fx,tgkkh} => {gd_quocte} 0.01258754 0.8404423 61.242164 ## 2 {gd_quocte} => {fx} 0.01258754 0.9172414 61.145567 ## 3 {fx} => {gd_quocte} 0.01258754 0.8391167 61.145567 ## 4 {gd_quocte,tgkkh} => {fx} 0.01258754 0.9172414 61.145567 ## 5 {card_credit,i2b} => {gd_noibo} 0.01071834 0.6937213 5.810431 ## 6 {card_credit,i2b,tgkkh} => {gd_noibo} 0.01071834 0.6937213 5.810431

• Nhận xét: Ở đâu xuất hiện thêm chỉ số Lift có ý nghĩa:

  \(Lift[A=>B] = \frac{confidence[A=>B]}{support[B]}=\frac{support[A=>B]}{support[A].support[B]} = a\)

  • Nếu: Lift > 1 khi KH mua sản phẩm A sẽ làm tăng khả năng mua thêm sản phẩm B a lần.

  • Nếu: Lift < 1 khi KH mua sản phẩm A sẽ làm giảm khả năng mua thêm sản phẩm B a lần.

  • Nếu: Lift = 1 khi KKH mua sản phẩm A sẽ không làm tăng khả năng mua sản phẩm B (A và B là 2 sản phẩm độc lập với nhau)

• Tuy nhiên, trong thực tế, tùy mục đích là tìm các rule để tăng khả năng bán được sản phẩm nên chúng ta chỉ quan tâm tới các rule mà có hệ số Lift > 1.

• Loại bỏ các rule trùng lặp

# Bước 3: Loại bỏ những rule trùng lặp. subset.matrix <- is.subset(rule,rule) # Tạo matrix đánh giá các rule #subset.matrix[1:3,1:3] # Kiểm tra matrix vuông con 3x3. # Là ma trận vuông cấp nxn ( n là số rule được tạo), nên các giá trị bị trùng lặp qua trường chéo chính nhận giá trị (TRUE). # nên ta đưa các giá trị phía dước đường chéo chính về giá trị NA. subset.matrix[lower.tri(subset.matrix,diag = T)] <- NA # Lấy toàn bộ những giao dịch là tập con của giao dịch khác. Tạo là tập redundant. redundant <- colSums(subset.matrix,na.rm=T) >= 1 # Loại bỏ những rule trùng (loại bỏ khỏi rule ban đầu tập redundant) rules <- rule[!redundant]

Định nghĩa về rule trùng:

• Rule A được gọi 1 rule thừa, khi rule A là tập mẹ của 1 rule khác, và rule A có lift bằng hoặc thấp hơn so với rule đó.

• Tức là: Với 2 rule {A,B,C} {D} và {A,B} {D}, thì {A,B,C} {D} là rule thừa nếu có lift thấp hơn so với rule còn lại.

• Ví dụ:

  • Rule 1: Milk => bread (12% support , 85% confidence, 1.2 lift)

  • Rule 2: Milk ,beer ,Chocolate => bread (1% support, 84% confidence, 1.15 lift)

  • Trong 2 rule này thì rule 2 là rule trùng

• Các rule sau khi loại rule trùng

rule.final <- rules rule.final %>% inspect()

## lhs rhs support confidence lift ## 1 {} => {tgkkh} 0.96867310 0.9686731 1.000000 ## 6 {gd_quocte} => {fx} 0.01258754 0.9172414 61.145567 ## 13 {pro_none} => {i2b} 0.01802953 0.5277008 2.098687 ## 15 {card_credit} => {gd_noibo} 0.01925989 0.6237548 5.224410 ## 16 {card_credit} => {i2b} 0.01545050 0.5003831 1.990044 ## 21 {gd_noibo} => {i2b} 0.06009843 0.5033690 2.001918

• Bài toán xác định 3 trường hợp mà người phân tích muốn quan tâm:

• Bài toán 1: Khách hàng sẽ mua sản phẩm nào tiếp theo khi mua sản phẩm Credit Card.

sub.rule1 <- subset(rule.final,(lhs %in% c("card_credit"))) sub.rule1 %>% inspect()

## lhs rhs support confidence lift ## 15 {card_credit} => {gd_noibo} 0.01925989 0.6237548 5.224410 ## 16 {card_credit} => {i2b} 0.01545050 0.5003831 1.990044

• Bài toán 2: Khách hàng sử dụng sản phẩm gì trước khi sử dụng sản phẩm Giao dịch nội bộ.

sub.rule2 <- subset(rule.final,(lhs %in% c("gd_noibo"))) sub.rule2 %>% inspect()

## lhs rhs support confidence lift ## 21 {gd_noibo} => {i2b} 0.06009843 0.503369 2.001918

• Bài toán 3: Những sản phẩm nào mà khách hàng hay mua cùng nhau.

as(rule.final,"data.frame") %>% arrange(desc(lift)) %>% as.data.frame()

## rules support confidence lift ## 1 {gd_quocte} => {fx} 0.01258754 0.9172414 61.145567 ## 2 {card_credit} => {gd_noibo} 0.01925989 0.6237548 5.224410 ## 3 {pro_none} => {i2b} 0.01802953 0.5277008 2.098687 ## 4 {gd_noibo} => {i2b} 0.06009843 0.5033690 2.001918 ## 5 {card_credit} => {i2b} 0.01545050 0.5003831 1.990044 ## 6 {} => {tgkkh} 0.96867310 0.9686731 1.000000

• Visualization mối quan hệ giữa các rule.

plot(rule.final,method = "graph")