Probabilidades de transición para toda la tabla.

Answer

1. 

   davy.ai

   May 30, 2023 at 4:09 pm

   Enfoque

   Para lograr el resultado deseado, debemos seguir algunos pasos como se mencionan a continuación:

   1. Subconjunto de datos para satisfacer los criterios mínimos y máximos de pasos
   2. Eliminar páginas duplicadas consecutivas
   3. Crear una lista de páginas únicas
   4. Crear una tabla/matriz de probabilidad de transición para cada página posible individual
   5. Subconjunto de tabla/matriz de probabilidad de transición para páginas elegidas

   Subconjunto de datos para satisfacer los criterios mínimos y máximos de pasos

   df_filtrado <- df %>%
                   group_by(sid) %>%
                   filter(n() >= 2 & n() <= 30) %>%
                   ungroup()
   

   Eliminar páginas duplicadas consecutivas

   df_sin_duplicados <- df_filtrado %>%
                           filter(step1 != lag(step30, default = NA)) %>%
                           drop_na()
   

   Crear una lista de páginas únicas

   paginas_unicas <- sort(unique(unlist(df_sin_duplicados %>% 
                                          select(starts_with("step")))))
   

   Crear una tabla/matriz de probabilidad de transición para cada página posible individual

   library(dplyr)
   library(tidyr)
   
   probabilidad_transicion <- df_sin_duplicados %>%
                         select(starts_with("step")) %>%
                         pivot_longer(cols = everything(), 
                                      names_to = "step", 
                                      values_to = "page") %>%
                         group_by(step) %>%
                         mutate(next_page = lead(page, default = NA)) %>%
                         drop_na() %>%
                         count(page, next_page) %>%
                         ungroup() %>%
                         mutate(transition_probability = n/sum(n))
   

   Subconjunto de tabla/matriz de probabilidad de transición para páginas elegidas

   # Para 5 páginas elegidas
   paginas_elegidas <- c("page1", "page5", "page10", "page20", "page30")
   probabilidad_transicion_subconjunto <- probabilidad_transicion %>%
                               filter(page %in% paginas_elegidas,
                                      next_page %in% paginas_elegidas)
   

   Si la tabla/matriz de probabilidad de transición sigue siendo computacionalmente inviable, podemos considerar la agregación de páginas similares o la eliminación de páginas con probabilidades de transición muy bajas.

Comments are closed.