Curso Completo de Machine Learning - Sistemas de Recomendação e Regras Associativas com Apriori (Teoria) - Machine Learning 23.1

Nesse vídeo eu apresento a teoria por trás do algoritmo Apriori, que é base fundamental para Sistemas de Recomendação. Seu uso é muito difundido, por exemplo, para saber quais são os itens mais comprados em conjunto nos supermercados. Por meio dele, é possível compreender a relação de "quem compra A, compra B" e em qual proporção isso ocorre a partir da lista de transações. Seu uso pode ser expandido para vários outros exemplos, como: recomendação de filmes nos moldes da Netflix ou de produtos de loja online como Amazon; identificação de sintomas e doenças que aparecem conjuntamente e muito mais. Marcação de Tempo: 00:00 - Introdução: por que usar o Apriori? ----1º etapa do algoritmo: definição do conjunto de itens frequentes---- 04:44 - Cálculo do Suporte dos Itens com k=1 11:30 - Cálculo do Suporte dos Itens com k=2 14:55 - Cálculo do Suporte dos Itens com k=3 ----2º etapa do algoritmo: estabelecimento de regras associativas fortes---- 21:48 - Cálculo da Confiança dos Itens do Passo Anterior ----3º etapa do algoritmo: ranqueamento das regras associativas fortes---- 31:25 - Métrica Lift e a Diferença para a Confiança 40:14 - Cálculo do Lift para as Regras do Passo Anterior 44:33 - Conclusão Links para referência: https://www.geeksforgeeks.org/implementing-apriori-algorithm-in-python/ https://www.kdnuggets.com/2016/04/association-rules-apriori-algorithm-tutorial.html https://www.softwaretestinghelp.com/apriori-algorithm/ https://towardsdatascience.com/underrated-machine-learning-algorithms-apriori-1b1d7a8b7bc https://towardsdatascience.com/apriori-algorithm-tutorial-2e5eb1d896ab https://towardsdatascience.com/association-rules-2-aa9a77241654 Seja membro deste canal: https://www.youtube.com/channel/UCEn6kONg6EC_Ylh0RlInsMw/join Meu Twitter: http://twitter.com/1iversoDiscreto Blog do Canal: https://universodiscreto.com Grupo no Telegram pros inscritos do canal: https://t.me/joinchat/FT23REfCj9SWm0wZ1TE28w