O Que São Regras de Associação?

As Regras de Associação são uma técnica de mineração de dados usada para descobrir padrões interessantes e relações fortes entre conjuntos de itens em grandes bases de dados. Elas identificam o que as pessoas compram juntas, sites que visitam consecutivamente, ou diagnósticos que aparecem em conjunto.

Aplicações Comuns

• Análise de Cesta de Compras: "Se um cliente compra fraldas, ele também tende a comprar cerveja."
• Recomendação de Produtos: Em e-commerce, sugere produtos baseados no histórico de compras de outros usuários.
• Otimização de Layout de Lojas: Posicionar produtos relacionados próximos uns aos outros.
• Análise de Sequências: Estudar a ordem de eventos (ex: comportamento do usuário em um site).

Métricas Chave

Para avaliar a "força" ou "interesse" de uma regra de associação, utilizamos três métricas principais:

• Suporte (Support): Indica a frequência com que um conjunto de itens (ou uma regra) aparece nas transações. Um suporte de 20% para a regra {A} -> {B} significa que 20% de todas as transações contêm tanto o item A quanto o item B. É uma medida da popularidade do conjunto de itens.
  Fórmula: Support(A U B) = (Número de Transações com A e B) / (Total de Transações)
• Confiança (Confidence): Mede a probabilidade de que o item B seja comprado dado que o item A já foi comprado. Uma confiança de 80% para a regra {A} -> {B} significa que 80% das transações que contêm A também contêm B. É uma medida da confiabilidade da inferência.
  Fórmula: Confidence(A -> B) = Support(A U B) / Support(A)
• Lift: Avalia a força da associação entre A e B em relação à sua ocorrência independente.
  • Lift > 1: Indica uma associação positiva; a compra de A aumenta a probabilidade de compra de B.
  • Lift = 1: Sugere que A e B são independentes; a compra de A não afeta a probabilidade de compra de B.
  • Lift < 1: Indica uma associação negativa; a compra de A diminui a probabilidade de compra de B.
  Fórmula: Lift(A -> B) = Confidence(A -> B) / Support(B) = Support(A U B) / (Support(A) * Support(B))

Como Interpretar as Regras

Uma regra como "Se {Cerveja} então {Fraldas} (Suporte: 15%, Confiança: 60%, Lift: 1.2)" significa que: 15% de todas as cestas contêm cerveja e fraldas. 60% dos clientes que compram cerveja também compram fraldas. E o fato de alguém comprar cerveja aumenta em 20% (1.2x) a chance de ele comprar fraldas, comparado a um cliente aleatório.

Atenção!

Esta ferramenta é para fins educacionais e demonstrativos. A implementação real de algoritmos de regras de associação (como Apriori ou FP-Growth) requer um processamento de dados mais robusto, geralmente realizado em linguagens como Python (bibliotecas como `mlxtend`). Os resultados aqui são simulados para ilustrar o conceito.