Artigos Banco de Dados Algoritmo apriori no Mysql utilizando procedure
Introdução
 
Nos ultimos anos as tecnologias de informação tem sofrido constantes mudancas,as empresas tem encontrado um mercado cada vez mais competitivo e concorrido, diante desse cenario, as empresas tem investido cada vez mais em tecnologia, visto que esse setor tornou-se muito importante e estrategico para as mesmas. Os empresarios necessitam dessas informações em tempo habil e integras para tomarem decisões importantes para o rumo do seu negocio. Mas como apartir de grande volume de dados conseguir informações estratégicas?? Uma das alternativas é o Data Mining
 
Objetivo
 
Implantar o algoritmo apriori para 2 itens , utilizando stored procedures no mysql 5
 
Algoritmo Apriori
 
É um algoritmo que utiliza regras de associação, ou seja, busca por itens frequentes em banco de dados que ocorrem simultaneamente em transações de banco de dados.
 
Imaginemos a seguinte tabela de vendas no banco de dados onde
Trans: transação
Prdno: codigo do produto
Exemplo:
 
Trans prdno
1 2
1 4
1 5
2 1
2 3
2 4
2 5
3 2
3 4
3 5
4 1
4 2
4 4
4 5
5 3
6 5
7 4
8 7
9 6
9 7
10 6
 
Vamos criar uma tabela que irá guardar os resultados das regras obtidas.
 
Nome Campo Tipo de dado Comentario
X int not null guarda codigo do produto
Y int not null guarda codigo do produto
Freq_x float guarda frequencia de x com relacao ao total de vendas
Freq_xy float  guarda frequencia x em relacao a y
 
 
No cliente do mysql ou no query browser criaremos a tabela com a estrutura descrita acima:
 
create table regras (
x int not null,
y int not null,
freq_x float,
freq_xy float )
 
 
Codigo do algoritmo
 
Utilizaremos o conceito de stored procedures.(OBS: no caso do mysql a versão deve ser 5 ou superior).
 
Nome procedure: sp_apriori
Parametros de entrada: sup_min (suporte minimo)
conf (confiança)
 
No cliente do mysql inserir o codigo da procedure:
 
 
 
DELIMITER $$
DROP PROCEDURE IF EXISTS `betao`.`sp_apriori` $$
CREATE PROCEDURE `sp_apriori`(in sup_min integer,in conf integer)
begin
    delete from regras;
    select @total:=count(distinct trans) as total from vendas;
    /* criacao da tabela temporaria para um item */
    create temporary table 1_item(
    id int not null auto_increment primary key,
    prdno int not null,
    freq float not null);
    /* inserindo na tabela temporaria os 1 itens de acordo com o suporte minimo definido no parametro de entrada */
   
    insert into 1_item(prdno,freq) select prdno,ROUND(100*count(prdno)/@total,2) as freq
    from vendas
    group by prdno
    having freq >= sup_min;
   
    select @total_aux:=count(*) from 1_item;
    set @i:=1;
   
     /* nesse while verifico as associacoes dos 1 itens classificados acima */
    while @i <= @total_aux do
      select @cod:=prdno,@freqx:=freq from 1_item where id=@i;
      insert into regras
      select @cod,prdno,@freqx,ROUND(100*count(prdno)/@total,2) as freq
      from vendas where trans in(select trans from vendas where prdno=@cod)
      and prdno <> @cod group by prdno having freq >=sup_min; /*nessa linha filtro os produtos que sairam com o outro produto
      set @i:=@i+1;
    end while;
/* seleciona as regras que estao dentro da confianca passada como parametro, ou seja, deleta aquelas que nao interessam */
    delete from regras where (freq_xy/freq_x) < (conf/100);
  end $$
DELIMITER ;
 
 

 
 
 
Chamando algoritmo com suporte minimo de 30% e confiança de 70%
 
Para chamar o algoritmo no cliente do mysql executar:
 
Call sp_apriori(30,70);
 
 
Resultados obtidos e conclusão:
 
O resultado na tabela regra será:
 

X

Y

Freq_x

Freq_xy

2

4

30

30

2

5

30

30

4

5

50

40

5

4

50

40

 
 

Conclusões:

 

Na tabela acima pode-se concluir os resultados da seguinte forma:

·          O produto 2 vende-se 30% do total das vendas sendo que toda vez que vende-se 2 também vende-se 4 100%(30/30).

·          O produto 2 vende-se 30% do total das vendas sendo que toda vez que vende-se 2 também vende-se 5 100%(30/30).

·          O produto 4 vende-se 50% do total das vendas sendo que toda vez que vende-se 5 tem a probabilidade de 80% (40/50) de  também vender 5.

·          O produto 5 vende-se 50% do total das vendas sendo que toda vez que vende-se 5 tem a probabilidade de 80% (40/50) de  também vender 4.

 

Observações: O algoritmo desenvolvido acima só encontra as duplas ou seja se X então Y.

Atenção: Esse algoritmo aplicado a grande quantidade de dados (milhões de registros) com certeza será demorado e exigirá muito processamento

 

Portanto utilizando esse algoritmo conseguimos gerar associações, imagine o gestor da empresa de um supermercado por exemplo, saber qual produto sai com qual. Com certeza apartir dessa informação pode-se criar um marketing que trará um retorno sobre isso.
 
No próximo artigo veremos outro algorimo de Data Mining o K-Means.
 
Abracos e até a próxima