El docente compartió 1 cuaderno esta semana. No lo subo: es suyo.
De qué iba
El estudio de caso lo hicimos en equipo, con el Grupo 10, sobre el historial transaccional de una panadería: el dataset BreadBasket, 21.293 filas. Limpié los 786 registros marcados como 'NONE' y los 1.620 ítems repetidos dentro de una misma factura, y quedaron 18.887 filas con 9.465 facturas y 94 productos. Después armé un perfil numérico por transacción —cantidad de ítems, hora del día y si llevaba café—, lo estandaricé con StandardScaler y elegí K=3 con el método del codo. Con Apriori de mlxtend y soporte mínimo del 1% salieron 61 conjuntos frecuentes y 17 reglas con confianza sobre 20% y lift mayor a 1. Ordenadas por lift, arriba quedó té y café → cake, con 1.94; la de cake → coffee, que es la que sirve para armar promociones, llegó a 52.7% de confianza.
Depuré el dataset BreadBasket hasta dejar 18.887 filas, 9.465 facturas únicas y 94 productos en catálogo
Segmenté las transacciones con K-Means en tres grupos: uno de compras grandes (4 ítems promedio, 80% con café), uno sin café y otro donde el café aparece siempre
Con Apriori de mlxtend y soporte mínimo del 1% extraje 61 conjuntos frecuentes y 17 reglas con confianza sobre 20% y lift mayor a 1; la más fuerte fue cake → coffee, con lift 2.01 y confianza 52.7%
Entregué el informe con portada, objetivos, tablas de resultados, referencias APA y el enlace al Colab ya ejecutado
Dejé también el notebook de la sesión en vivo, donde fui siguiendo al profesor con el mismo dataset
Lo que costó. El punto extra de esta semana también tuve que repetirlo, así que lo presenté dos veces.
Qué pedían
El enunciado y la rúbrica, tal cual los publicaron.
MA Semana 3_ NRC-8772-Machine Learning Avanzado.pdfdocumento · 279,8 KB