نوشته‌ها

قسمت هفتم – الگوریتم FP-Growth (Frequent Pattern Growth)

/۰ دیدگاه /در , /توسط

در تحلیل داده‌های تراکنش، هدف این است که مجموعه‌های کالایی که به‌طور مکرر در تراکنش‌ها با هم خریداری می‌شوند، شناسایی شوند. این فرآیند به‌عنوان “استخراج الگوهای فراوان” شناخته می‌شود. الگوریتم FP-Growth یک روش کارآمد برای پیدا کردن این مجموعه‌ها است و برخلاف الگوریتم Apriori نیازی به انجام بررسی‌های متعدد بر روی همه مجموعه‌های ممکن ندارد.

ادامه مطلب

دسترسی به اعضا – قسمت ششم- پیاده سازی الگوریتم Apriori با یک دیتاست واقعی

/۰ دیدگاه /در , /توسط

در مقاله قبلی درباره الگوریتم Apriori صحبت کردیم در این مقاله می خواهیم بر اساس یک دیتاست واقعی با ۱۹ هزار رکورد مشتری و ۸۰۰ هزاررکورد فروش رابطه بین خرید محصولات توسط مشتری را با پایتون پیاده سازی کنیم و در انتها داده ها را نیز بصری کنیم همچنین می توانید  دیتاست و اسکریپت پایتون را دانلود کنید و در انتها به آموزش قطعات کد پایتون و Apriori خواهیم پرداخت .

ادامه مطلب

دسترسی به اعضا – قسمت پنجم – بصری سازی خروجی Apriori از طریق چارت های مختلف

/۰ دیدگاه /در , /توسط

بعد از معرفی الگوریتم Apriori و بررسی یک دیتاست تستی ، در این مقاله می خواهم نمایش بین رابطه های خرید مشتریان را بصری کنیم از نمودارهای مختلفی همچون Graph ،Scatter Chart    و Bar Chart   بهره خواهیم برد و در انتها رابطه بین خرید های کاربر و وزنی که شدت خرید را مشخص می کند را بررسی خواهیم کرد (lift-confidence-support) . در ابتدا قطعه کد آن را با پایتون می نویسیم ، سپس کد را تشریح می کنیم و در انتها خروجی داده ها را بصری می کنیم.

ادامه مطلب

قسمت چهارم – معرفی الگوریتم Apriori

/۰ دیدگاه /در , /توسط

Association Rule Mining (ARM) یکی از تکنیک‌های داده‌کاوی است که برای شناسایی روابط یا الگوهای معنادار بین متغیرها در داده‌ها مورد استفاده قرار می‌گیرد. این روش معمولاً در تجزیه و تحلیل داده‌های بزرگ، به‌ویژه در بازار یابی، خرید و فروش، و تحلیل سبد خرید مشتریان استفاده می‌شود.

ادامه مطلب