Análise exploratória e Market Basket Analisys com APRIORI (R)

Projeto autônomo, visando demonstrar conhecimento teórico e prático nos tópicos descritos abaixo.

• Extração, pré-processamento, análise, visualização, geração de insights, machine learning. O projeto visa aplicar os dados à um modelo de recomendação de compra, calculado com algoritmo APRIORI, encontrando associações entre itens frequentes em compras on-line.

Objetivo: em um primeiro momento, conhecer os dados, e, concluir se estão em ordem para aplicação em um modelo. Em um segundo momento, as regras de recomendação serão calculadas e exportadas em um arquivo .csv.

Fonte dos dados:

1 - Dados foram obtidos no UCI Machine Learning Repository.

Tecnologias Utilizadas

• R para:

  • Pré-processamento.

  • Análise exploratória, visualização e geração de insights.

  • Aplicação do modelo (APRIORI)

  • Principais pacotes utilizados:arules, arulesViz, htmlwidgets, data.table, reshape2, tidyr, dplyr.

• Conceitos aplicados:

  • Pré-processamento de dados

  • Data-wrangling

  • Data-Viz

  • Machine learning (com APRIORI)

  • Expressões regulares

Funcionalidades

• A analise foi conduzida para, ao final, proporcionar a recomendação de compra, por cliente, com grande probabilidade.

Visualizar

1 - Acesse clicando no arquivo acima com extensão '.ipynb', neste repositório, ou

2 - Faça o clone do repositório para participar deste projeto.

Resultados

Como resultado da análise, idenfificamos as regras de associação entre os top_10 produtos mais frequentes na lista de compras de clientes, do site em questão:

I - itens frequentes:

II - Regras:

Informações relacionadas às vendas puderam ser visualizadas, brevemente, na fase exploratória:

Conclusão

Como resultado, temos um arquivo contendo a regra mais forte para cada um dos itens mais frequentes da nossa base de dados. Estas informações podem fomentar, por exemplo, e-mails marketing ou recomendações on-line.

Referências

Fonte dos dados:

1 - UCI Machine Learning Repository.