Analyse du panier d'achat (exploration de données)

L'exploration de données consiste à trouver des tendances déjà présentes dans les données que vous avez recueillies — pas, comme l'apprentissage automatique, à utiliser ces tendances pour prédire quelque chose sur un nouveau cas jamais vu, et pas, comme l'IA, à agir sur cette prédiction. L'analyse du panier d'achat en est un exemple classique : elle cherche simplement quels articles ont tendance à être achetés ensemble. Leaf and Kettle est une boutique de thé dont le système de caisse enregistre chaque commande comme une liste d'articles achetés ensemble — un « panier » — et dont le comptoir offre aussi un petit présentoir de crayons et de papier pour la clientèle étudiante, à côté du thé. Voici 100 commandes réalistes de Leaf and Kettle, où chaque panier de la grille sert aussi de graphique en pourcentage — choisissez deux articles et voyez à quelle fréquence ils apparaissent vraiment ensemble.

Chaque petit panier de la grille est une commande — rempli et coloré s'il contient l'article A, l'article B, ou les deux, vide s'il ne contient ni l'un ni l'autre. Choisissez deux articles dans les listes déroulantes ci-dessous et observez la grille et les trois chiffres se mettre à jour. Essayez d'abord Miel et Citron — un véritable duo populaire — puis Crayon et Papier, un rayon complètement différent mais la même logique « l'un implique l'autre ». Essayez ensuite Thé noir et Crayon : deux choses qui n'ont rien à voir l'une avec l'autre, et les chiffres le montrent clairement.

Ce que cet outil enseigne : Choisissez deux produits et voyez à quelle fréquence ils sont achetés ensemble, mesurée par le support, la confiance et le lift. L'outil présente l'extraction de règles d'association, à la base de l'analyse du panier d'achat, et explique pourquoi le lift en dit plus que la simple cooccurrence.