Análise de Cesta de Compras em Python

Neste capítulo, você vai aprender o básico de Análise de Cesta de Compras: regras de associação, métricas e poda. Depois, vai aplicar esses conceitos para ajudar um pequeno mercado a melhorar suas ações promocionais e a organização dos produtos.

As regras de associação mostram que dois ou mais itens estão relacionados. As métricas permitem quantificar a utilidade desses relacionamentos. Neste capítulo, você vai aplicar seis métricas para avaliar regras de associação: suporte, confiança, lift, convicção, alavancagem e a métrica de Zhang. Em seguida, você vai usar regras de associação e métricas para ajudar uma biblioteca e uma loja de e-books.

O problema fundamental da Análise de Cesta de Compras é determinar como transformar um grande volume de decisões de clientes em um pequeno conjunto de regras úteis. Esse processo normalmente começa com a aplicação do algoritmo Apriori e envolve o uso de estratégias adicionais, como poda e agregação. Neste capítulo, você vai aprender a usar esses métodos e, ao final, aplicá-los em exercícios nos quais você ajuda uma varejista a definir o layout de uma loja física e realizar promoções cruzadas de produtos.

Neste capítulo final, você vai aprender como visualizações são usadas para orientar o processo de poda e resumir os resultados finais, que normalmente assumem a forma de conjuntos de itens ou regras. Você vai dominar as três visualizações mais úteis — mapas de calor, gráficos de dispersão e gráficos de coordenadas paralelas — e aplicá-las para ajudar um serviço de streaming de filmes.