نوشته‌ها

دسترسی به اعضا – قسمت هشتم- پیاده سازی الگوریتم FP-Growthبا یک دیتاست واقعی

در مقاله قبلی درباره الگوریتم FP-Growth 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 الگوریتم FP-Growthخواهیم پرداخت .

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

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.

قسمت چهارم – معرفی الگوریتم Apriori

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.