Caricamento...
OEC026

Market Basket Analysis con il Machine Learning 1P

e-learn

Prezzo

€ 1,190.00
(Iva esclusa)

Scheda tecnica

Scarica

Giorni

1 gg

La Market Basket Analysis (MBA), anche detta “analisi di affinità”, è una tecnica di marketing, molto usata in ambito Retail ma non solo, per scoprire quali gruppi di prodotti tendono ad essere comprati insieme, così da pubblicizzarli insieme, progettare i cataloghi prodotti (cross-promotion) e segmentare  la clientela in base ai comportamenti di acquisto. Oggi la MBA può essere implementata molto più efficacemente che in passato grazie alle nuove tecniche di Machine Learning probabilistiche (algoritmi Apriori ed ECLAT, in particolare), che sono spiegati ed esemplificati nel corso. Il corso illustra anche la tipica struttura di una regola con le sue componenti e descrive molte metriche di “forza” delle regole trovate. Particolare enfasi è data ai due aspetti chiave della visualizzazione delle regole trovate e della loro interpretazione. Il corso fornisce anche linee-guida su come distinguere una regola dal caso.

Il corso è completamente hands-on su casi d’uso reali, esaminati in R oppure Python, senza slide.


Una conoscenza di base di R oppure di Python.

  • Le regole di associazione: cosa sono e come funzionano
  • Struttura di una regola: gli antecedenti ed i conseguenti
  • Le dipendenze probabilistiche
  • Cercare cluster di prodotti venduti insieme
  • Scoprire le regole nei database delle vendite
  • Definire i requisiti delle regole
  • Primo passo: la generazione delle regole candidate
  • Il “supporto” di una regola: cos’è ed a cosa serve
  • L’algoritmo Apriori: introduzione
  • Cos’è un k-itemset
  • Selezionare regole “forti” con la confidence ed il lift ratio
  • Il formato dei dati: il database delle transazioni di vendita oppure la matrice di incidenza binaria
  • Il processo di selezione delle regole: secondo passo (potare le regole inutili)
  • Valutazione della “forza” delle regole
  • Altre metriche di forza (oltre confidence e lift ratio)
  • Visualizzazione dei risultati: tecniche grafiche tradizionali e nuove:

          -Il grafico di prevalenza prodotti

          -Lo scatter plot “supporto” vs. “confidenza”

          -Il grafico a bolle

          -Il diagramma di rete

  • Interpretazione dei risultati
  • Errori tipici nell’interpretazione
  • Regole oppure caso? linee guida per distinguerli
  • Un algoritmo alternativo: ECLAT
  • Aspetti prestazionali: dove sono i colli di bottiglia e cosa fare
  • Casi d’Uso utilizzati nel corso: MBA per l’acquisto di libri simili, MBA per l’acquisto di accessori telefonici, MBA per creare cataloghi prodotti (cross-promotion), MBA per prevedere le pagine del sito 


Sede Data P