FPGrowth : 빈발 패턴 분석

FP(Frequent-Pattern) Growth 알고리즘은 데이터 그룹간에 빈번하게 발생하는 패턴을 찾는 알고리즘으로 연관규칙분석(Apriori) 분야에서 사용됩니다. (연관규칙분석은 “장바구니 분석” 이라는 별칭이 있습니다)

FP-Growth 는 데이터로부터 자주 발생하는 패턴(빈발 패턴)을 찾는 알고리즘으로, 소비자가 구매하려는 아이템 옆에 빈발 패턴으로 묶인 아이템들을 같이 노출하여 구매확률을 높이는 마케팅 전략에 이용합니다.

참고 : FP-Growth 알고리즘 https://www.geeksforgeeks.org/ml-frequent-pattern-growth-algorithm/

데이터

예제 데이터는 Kaggle 에서 제공하는 “Dataset for Apriori and FP growth Algorithm” 입니다.(DataSetA.csv)

특정 마켓에서 각각의 transaction 당 구매한 아이템목록입니다. 구매한 아이템 목록의 빈발 패턴을 분석하면, 구매 목록과 함께 많이 구매하는 다른 아이템 목록을 같이 출력할 수 있습니다.

데이터 출처 : https://www.kaggle.com/newshuntkannada/dataset-for-apriori-and-fp-growth-algorithm

usecase 20

IRIS 내에 데이터모델 EDU_MODEL_FPGrowth_01 로 생성합니다.

학습 모델 생성 (fit)

데이터모델 EDU_MODEL_FPGrowth_01

  • 검색어

* | fit fpgrowth FEATURES ITEM_LIST minSupport=0.1 minConfidence=0.1  INTO EDU_MODEL_FPGrowth_01
  • 명령어 parameter

    • minSupport : 최소 지지도. 전체 구매 목록에서 마이닝된 연관 패턴의 결과 정보 중 아이템 A,B를 동시에 구매한 비율. P(A U B)

    • minConfidence : 최소 신뢰도. 아이템 A 를 구매한 목록 중 B 도 같이 구매한 확률. 즉 조건부확률 P(B|A)

  • 결과

usecase 21
  • 결과 항목

    • antecedent : 마이닝된 연관 규칙의 선행 item

    • consequent : 마이닝 된 연관 규칙의 결과 item 정보

    • confidence : 마이닝된 연관규칙의 신뢰도

테스트 데이터로 예측 (predict)

fit 에서 저장한 학습 모델 EDU_MODEL_FPGrowth_01 로 predict 를 실행합니다.

* | predict demo.EDU_MODEL_FPGrowth_01 ITEM_LIST

  • 결과 예시

usecase 23

ITEM_LIST 즉 구매목록에 Sugar,Coffee Powder,Butter,Yougurt 가 있을 때 [Tea Powder, Cheese, Sweet, Panner, Bread, Lassi, Ghee, Milk] 아이템이 같이 있는 패턴이 많았다고 예측한 결과입니다.