Database Reference
In-Depth Information
5.5.5
Warenkorbanalyse
Die Warenkorbanalyse ist das ideale Einsatzszenario fur Assoziationsregeln: Ei-
ne Modellbildung ist meistens nicht notig, die Regeln konnen isoliert betrachtet
werden. Durch die Nutzung der Strichcode-Technologie und die Einfuhrung von
Scanner-Kassen steht eine Unmenge von Daten uber Transaktionen zur Verfugung.
Wir wollen im Folgenden an einem uberschaubaren Beispiel die in Absatz 5.5.4
beschriebene Methodik zur Aufdeckung von Assoziationsregeln erlautern.
Label
Artikel
t
1
t
2
t
3
t
4
t
5
t
6
t
7
t
8
t
9
t
10
support
A ife
•
•
•
•
0.4
B
Shampoo
•
•
•
•
•
•
•
•
0.8
C
Haarspulung
•
•
•
•
•
•
0.6
D s l
•
•
•
•
•
•
0.6
E
Zahnpasta
•
•
•
•
0.4
F urste
•
•
0.2
G
Haarfarbemittel
•
•
•
0.3
H
Haargel
•
0.1
J e r t
•
•
•
•
•
•
0.6
K rfum
•
•
0.2
L s ti rti l
•
•
•
•
•
0.5
Abbildung 5.26
Einkaufstransaktionen in einem Drogeriemarkt
Die in der Tabelle in Abbildung 5.26 aufgelisteten Transaktionen t
1
,t
2
,..., t
10
konnten in einem Drogeriemarkt getatigt worden sein. In den Spalten ist abzulesen,
welche der 11 Artikel bei jeder Transaktion gekauft worden sind, und aus den Zeilen
ist zu ersehen, in welcher Transaktion ein Artikel gekauft worden ist. Ganz rechts
ist der Support des jeweiligen Artikels - bzw. der entsprechenden 1-Itemmenge -
verzeichnet. Der Einfachheit halber wurde jeder Artikel mit einem Label versehen,
das wir im Folgenden durchgangig benutzen.
Wir wollen aus dieser Datenbasis alle Assoziationsregeln herausrechnen, die mit
einem Support von mindestens 0.4 und einer Konfidenz von mindestens 0.7erfullt
sind (in realen Anwendungen wird
minsupp
in der Regel sehr viel kleiner gewahlt,
oft < 1%):
minsupp
=0.4,
minconf
=0.7
Zunachst bestimmen wir die haufigen Itemmengen. Aus Abbildung 5.26 sind
sofort die haufigen 1-Itemmengen abzulesen:
L
1
= {{A}, {B}, {C}, {D}, {E}, {J}, {L}}
Zur Berechnung der Menge C
2
bilden wir alle paarweisen Kombinationen aus Men-
gen in L
1
und bestimmen deren Support. Das Ergebnis ist in der Tabelle in Abbil-
dung 5.27 zu sehen.
