![example
A B C D E
ㄎㄎ V V V
遙遙 V V V V
叮叮 V V
A B
Support P(A B)：A 與 B 共同出現的機率，數值越⼤大越好。
Confidence P(B|A)：在 A 出現的前提下，出現 B 的機率，數值越⼤大越好。
Lift P(B|A)/P(B)：B 單獨出現比率與前項 Confidence 的比較，
當數值⼤大於 1 表⽰示規則有效，數值越⼤大效果越好。
∩
user item
ㄎㄎ Ａ
ㄎㄎ Ｂ
ㄎㄎ Ｅ
遙遙 Ａ
叮叮 Ｂ
[ A, B, E ]
[ A, B, C, E ]
[ A, B ]
transactions
+---------+----+
| items|freq|
+---------+----+
| [A]| 3|
| [B]| 3|
| [B, A]| 3|
| [E]| 2|
| [E, B]| 2|
|[E, B, A]| 2|
| [E, A]| 2|
+---------+----+
+----------+----------+------------+
|antecedent|consequent| confidence|
+----------+----------+------------+
| [E]| [B]| 1.0|
| [E]| [A]| 1.0|
| [B, A]| [E]|0.6666666666|
| [E, B]| [A]| 1.0|
| [A]| [B]| 1.0|
| [A]| [E]|0.6666666666|
| [E, A]| [B]| 1.0|
| [B]| [A]| 1.0|
| [B]| [E]|0.6666666666|
+----------+----------+------------+](https://image.slidesharecdn.com/rdsassrulesnodemover-211005061239/85/Association-Rules-Analysis-on-Spark-20180831-RD-sharing-5-320.jpg)
![Apriori Algorithm
• 所有項⽬目集合中，若若某項⽬目集合的頻次很低，則該⺟母集合也很低。
• e.q. 消費記錄中，購買「林林Ｘ營鮮乳」的 transaction 很少，則
item sets 組合中出現前品項者，都會先被排除。
[ A, B, E ]
[ A, B, C, E ]
[ A, B ]
transactions
n = 4
item sets = 24 - 1 = 15
4: {A}, {B}, {C}, {E}
6: {A,B}, {A,C}, {A,E}, {B,C}, {B,E}, {C,E}
4: {A,B,C}, {A,B,E}, {A,C,E}, {B,C,E}
1: {A,B,C,E}
item sets
If support > 0.5
( filter out C )
{A} 3
{B} 3
{A,B} 3
{E} 2
{A,E} 2
{B,E} 2
{A,B,E} 2
frequent item sets
Agrawal, Rakesh; and Srikant, Ramakrishnan; Fast algorithms for mining association rules in large databases, in Bocca,
Jorge B.; Jarke, Matthias; and Zaniolo, Carlo; editors, Proceedings of the 20th International Conference on Very Large
Data Bases (VLDB), Santiago, Chile, September 1994, pages 487-499](https://image.slidesharecdn.com/rdsassrulesnodemover-211005061239/85/Association-Rules-Analysis-on-Spark-20180831-RD-sharing-6-320.jpg)
![FP-Growth Algorithm
• 原理理跟 Apriori ⼀一樣，但利利⽤用 FP-tree 加速搜尋。
[ A, B, E ]
[ A, B, C, E ]
[ A, B ]
transactions FP-tree
ϕ
A
B
E C
E
1
1
1 1
1
2
2
3
3
prefix path
E {A,B}, {A,B,C}
B {A}
A { }
ϕ
conditional tree
on E, ϕ
A
B
{E} 2
{A,E} 2
{B,E} 2
{A,B,E} 2
header table
A 3
B 3
C 1
E 2
on B, {B} 3
{A,B} 3
ϕ
A
{A} 3
on A,
Han (2000). "Mining Frequent Patterns Without Candidate Generation". Proceedings of the 2000 ACM SIGMOD
International Conference on Management of Data. SIGMOD '00: 1–12.](https://image.slidesharecdn.com/rdsassrulesnodemover-211005061239/85/Association-Rules-Analysis-on-Spark-20180831-RD-sharing-7-320.jpg)
![有天...來來⾃自 Marketing 的需求...
Gil~ 有辦法從知道...旅客到
⼤大阪後的旅遊路路徑或⾏行行程嗎？
[路路徑的定義]
裝置有發 Request 才有位置資訊，
有些軌跡很連續、有些很離散，難
以客觀定義路路徑。
[呈現與統計]
很難⽤用視覺化⽅方式同時呈現多⼈人的
移動軌跡。也不易易針對路路徑做任何
的 summary 或統計。
我覺得不⾏行行。
Shiny Spark, Gil 2017/11/24](https://image.slidesharecdn.com/rdsassrulesnodemover-211005061239/85/Association-Rules-Analysis-on-Spark-20180831-RD-sharing-24-320.jpg)
Association Rules Analysis on Spark (20180831 RD sharing)
- 1. 關聯聯規則分析 Association Rules Analysis on Spark MLlib - Frequent Pattern Mining Gil 2018-08-31
- 2. outline • Introduction to Association Rules • Association Rules on Distributed Computing (Spark) • 案例例：旅遊關聯聯分析 • 案例例：競價關聯聯分析
- 4. 莫再提了了！啤酒尿尿布是都市傳說 Chih-Cheng Liang, Nov, 2016
- 5. example A B C D E ㄎㄎ V V V 遙遙 V V V V 叮叮 V V A B Support P(A B)：A 與 B 共同出現的機率，數值越⼤大越好。 Confidence P(B|A)：在 A 出現的前提下，出現 B 的機率，數值越⼤大越好。 Lift P(B|A)/P(B)：B 單獨出現比率與前項 Confidence 的比較， 當數值⼤大於 1 表⽰示規則有效，數值越⼤大效果越好。 ∩ user item ㄎㄎ Ａ ㄎㄎ Ｂ ㄎㄎ Ｅ 遙遙 Ａ 叮叮 Ｂ [ A, B, E ] [ A, B, C, E ] [ A, B ] transactions +---------+----+ | items|freq| +---------+----+ | [A]| 3| | [B]| 3| | [B, A]| 3| | [E]| 2| | [E, B]| 2| |[E, B, A]| 2| | [E, A]| 2| +---------+----+ +----------+----------+------------+ |antecedent|consequent| confidence| +----------+----------+------------+ | [E]| [B]| 1.0| | [E]| [A]| 1.0| | [B, A]| [E]|0.6666666666| | [E, B]| [A]| 1.0| | [A]| [B]| 1.0| | [A]| [E]|0.6666666666| | [E, A]| [B]| 1.0| | [B]| [A]| 1.0| | [B]| [E]|0.6666666666| +----------+----------+------------+
- 6. Apriori Algorithm • 所有項⽬目集合中，若若某項⽬目集合的頻次很低，則該⺟母集合也很低。 • e.q. 消費記錄中，購買「林林Ｘ營鮮乳」的 transaction 很少，則 item sets 組合中出現前品項者，都會先被排除。 [ A, B, E ] [ A, B, C, E ] [ A, B ] transactions n = 4 item sets = 24 - 1 = 15 4: {A}, {B}, {C}, {E} 6: {A,B}, {A,C}, {A,E}, {B,C}, {B,E}, {C,E} 4: {A,B,C}, {A,B,E}, {A,C,E}, {B,C,E} 1: {A,B,C,E} item sets If support > 0.5 ( filter out C ) {A} 3 {B} 3 {A,B} 3 {E} 2 {A,E} 2 {B,E} 2 {A,B,E} 2 frequent item sets Agrawal, Rakesh; and Srikant, Ramakrishnan; Fast algorithms for mining association rules in large databases, in Bocca, Jorge B.; Jarke, Matthias; and Zaniolo, Carlo; editors, Proceedings of the 20th International Conference on Very Large Data Bases (VLDB), Santiago, Chile, September 1994, pages 487-499
- 7. FP-Growth Algorithm • 原理理跟 Apriori ⼀一樣，但利利⽤用 FP-tree 加速搜尋。 [ A, B, E ] [ A, B, C, E ] [ A, B ] transactions FP-tree ϕ A B E C E 1 1 1 1 1 2 2 3 3 prefix path E {A,B}, {A,B,C} B {A} A { } ϕ conditional tree on E, ϕ A B {E} 2 {A,E} 2 {B,E} 2 {A,B,E} 2 header table A 3 B 3 C 1 E 2 on B, {B} 3 {A,B} 3 ϕ A {A} 3 on A, Han (2000). "Mining Frequent Patterns Without Candidate Generation". Proceedings of the 2000 ACM SIGMOD International Conference on Management of Data. SIGMOD '00: 1–12.
- 8. packages • Python • Apriori • FP-growth • R • Apriori https://cran.r-project.org/web/packages/arules/arules.pdf • FP-growth https://cran.r-project.org/web/packages/rCBA/rCBA.pdf from mlxtend.frequent_patterns import apriori from orangecontrib.associate import fpgrowth
- 9. Association Rules on Distributed Computing (on Spark)
- 10. DataFrame-based API Since Spark 2.2.0 (July 2017) https://spark.apache.org/docs/2.2.0/ml-guide.html Spark 2.1.3 Spark 2.2.0
- 14. Frequent Pattern Mining DataFrames /ML (2018-08-31) https://en.wikipedia.org/wiki/Apache_Spark PySpark SparkR Data Science spark.ml DataFrames RDD-based API Primary API DateFrame-based API
- 15. Frequent Pattern Mining DataFrames /ML PySpark SparkR Data Science spark.ml DataFrames RDD-based API Primary API DateFrame-based API (2018-08-31) https://en.wikipedia.org/wiki/Apache_Spark spark milestones
- 16. data process s3 / HDFS Spark / Hive Algorithm (pure python) output PySpark + Spark MLlib output Scale problems: 1. toPandas( ) 2. Limitations of algorithm GOAL !!!
- 18. Demo code
- 19. 旅遊關聯聯分析 - 以 Osaka Report 為例例
- 20. Trata DMP Recap • Location Data from SDK • Geography Information System (GIS) from Google API • Home Country Tags & Cross-Border Travelers -> passport holders • Reports • Asia Report since 2016 • Collaboration with GFK - Great China Travelers in Japan • 台北市觀傳局、⾼高雄市觀傳局 • O2O in ITF • Osaka Report for Workshop@Osaka • … etc.
- 23. ⼤大阪市 京都市
- 24. 有天...來來⾃自 Marketing 的需求... Gil~ 有辦法從知道...旅客到 ⼤大阪後的旅遊路路徑或⾏行行程嗎？ [路路徑的定義] 裝置有發 Request 才有位置資訊， 有些軌跡很連續、有些很離散，難 以客觀定義路路徑。 [呈現與統計] 很難⽤用視覺化⽅方式同時呈現多⼈人的 移動軌跡。也不易易針對路路徑做任何 的 summary 或統計。 我覺得不⾏行行。 Shiny Spark, Gil 2017/11/24
- 25. 關⻄西⾏行行程 ( ) ( )
- 27. 除了了京(京都) 阪(⼤大阪) 神(神⼾戶) ... 奈良 和歌⼭山 + % ⾏行行程 (購物籃) 中包含： 1. ⼤大阪+京都 ➡ 23.8% 2. ⼤大阪+神⼾戶 ➡ 11.9% 5. ⼤大阪+京都+神⼾戶➡ 5.5% ⼤大阪 京都 兵庫(神⼾戶)
- 28. 競價關聯聯分析 - 以 Fantasy Basketball 遊戲為例例
- 29. Fantasy Basketball • 線上遊戲：虛擬總經理理 / 總教練 • 非動作類，純數字競賽、管理理遊戲 • ⼀一年年⼀一次，為期約六個⽉月，跟真實 NBA 世界同步 • 季前選秀、季中對戰、季末調整 • 了了解更更多： • https://www.slideshare.net/wqchen/nba-moneyball-in-web- application-using-r-20160307-mldm-59782958 • http://www.fansboard.com/ Gil 2016/3/7
- 31. 季中競標 -12 個玩家(隊)、每隊 13 位球員為例例 • 12 x 13 = 156 位球員，在開季前選秀被選 走，其餘球員則為⾃自由球員 (Free Agent, FA)，FA 可在球季中任何時間被玩家替換。 • 每撿⼀一個 FA，就要丟出隊中⼀一名球員，以 維持各隊 13 ⼈人編制。 • 被丟棄的球員，在三天內，則處於讓渡 (waiver) 狀狀態，⽽而非 FA。三天過後，沒有任 何玩家競標，則成為 FA。 • 被丟棄的球員在 waiver 狀狀態下，如有其他 玩家想要搶先收下該球員，則在三天內，需 要投標，且為⼀一次性暗標，與其他玩家競 標。 全 NBA 每⼀一季⼤大約有 600 位球員 FA 156 picked players
- 32. example 有⼀一天阿岳覺得 J.R. Smith 不⾏行行，於是把 J.R. 丟棄 ... … 於是，亦凡可以收下 J.R.， 熱狗則飲恨差⼀一點拿到， 瑋柏則拍拍屁股沒事。 $ 18 $ 20 $ 5 這時，有三位玩家對 J.R. 有興趣，於是在 waiver 期間三天內，各⾃自投下預期的⾦金金額，來來競標 J.R.。 $ 20 $ 18 $ 5
- 34. Data - 競價歷史紀錄
- 37. take away • DataFrames 版本的分散式運算的實現 • 關聯聯規則分析，⼜又叫購物籃分析，但不是只有購物相關的 數據可以玩，換個⾓角度，都可以找關聯聯規則。
- 38. Thank you for your listening ~