Analysez les données transactionnelles, telles que les achats de produits et la survenue d'événements, afin d'identifier les interdépendances et les comportements concomitants. Des indicateurs comme la probabilité d'occurrence d'un élément ou d'un événement en fonction de l'occurrence d'autres éléments ou événements sont ainsi générés.
Notez que les données doivent être au format liste, où chaque ligne identifie l'identifiant du client ou de la transaction (dans une colonne) et l'article ou l'événement (dans une autre colonne).
Analyse d'association
- À partir d'un tableau de données JMP ® ouvert, sélectionnez Analyser > Criblage > Analyse d'association .
- Sélectionnez une variable catégorielle dans Sélectionner les colonnes et cliquez sur Élément (les variables catégorielles ont des barres rouges ou vertes).
- Sélectionnez la variable qui représente l'ID de transaction et cliquez sur IDENTIFIANT .
- Acceptez les paramètres par défaut (en bas à gauche) et cliquez sur D'ACCORD . Par défaut, JMP fournit les tableaux de résultats suivants :
- Ensembles d'éléments fréquents : la liste des ensembles d'éléments dont le support (proportion d'occurrences) dépasse la valeur minimale spécifiée dans la fenêtre de lancement.
- Règles : Règles d’association qui répondent aux exigences minimales de support, de confiance, de lift, d’antécédents et de taille maximale de règle spécifiées dans la boîte de dialogue de lancement.
Ici, les tableaux sont triés par ordre croissant selon l'ensemble d'éléments et la condition (respectivement). Pour trier un tableau, cliquez dessus avec le bouton droit, sélectionnez « Trier par colonne » , sélectionnez la colonne souhaitée, cochez « Croissant » et cliquez sur « D'ACCORD » .
Interprétation:
- Le support minimal est de 0,1 et la confiance minimale de 0,4 (voir les paramètres par défaut ci-dessus). Ainsi, un ensemble d'articles n'apparaîtra dans aucune des listes à moins qu'il ne soit acheté par au moins 10 % des clients (support). De plus, il n'apparaîtra dans la liste des règles que si un article associé est acheté au moins 40 % du temps (confiance). Par exemple, les pommes et les avocats ont été achetés ensemble dans 14 % des cas. Et, lorsqu'un client a acheté à la fois des pommes et des avocats, il a également acheté une baguette dans 81 % des cas.
- Le nombre maximal d'antécédents est de 3 et la taille maximale d'une règle est de 4. Par conséquent, la liste des règles ne contient que des conditions de trois éléments ou moins et aucune règle ne comprend plus de 4 éléments de condition et de conséquent (combinés).
- Le lift minimal est de 1,2. Le lift, qui correspond au rapport entre la confiance et le support, mesure la probabilité accrue (ou réduite) qu'un client achète le produit complémentaire lorsqu'il achète déjà les produits associés, par rapport à la probabilité d'acheter ce produit complémentaire en général. Par exemple, le lift pour les pommes, l'avocat et la baguette complémentaire est de 2,058, ce qui indique que les clients sont plus de deux fois plus susceptibles d'acheter une baguette lorsqu'ils achètent également des pommes et des avocats.
Example: Grocery Purchases.jmp (Help > Sample Data Folder)Exemple : Achats d’épicerie.jmp (Aide > Dossier de données d’exemple)
Consultez la section Modèles prédictifs et spécialisés > Analyse d'association dans l'aide de JMP pour en savoir plus.
