Začněte nyníZačněte zdarma

Použití Zhangova pravidla

Ve 2. kapitole jsme se naučili, že Zhangovo pravidlo je spojitá míra asociace mezi dvěma položkami, která nabývá hodnot v intervalu [-1, +1]. Hodnota -1 označuje dokonale negativní asociaci, hodnota +1 dokonale pozitivní asociaci. V tomto cvičení zjistíš, zda lze Zhangovo pravidlo využít k zpřesnění sady pravidel, kterou obchod s dárkovým zbožím právě používá k propagaci produktů.

Frekventované skupiny zboží už jsou připravené a dostupné jako frequent_itemsets. Funkce zhangs_rule() je nadefinovaná a association_rules() je importovaná z mlxtend. Začneš tím, že znovu vypočítáš původní sadu pravidel, a pak použiješ Zhangovu metriku k výběru pouze těch pravidel s vysokou a pozitivní asociací.

Toto cvičení je součástí kurzu

Market Basket Analysis v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Vygeneruj sadu asociačních pravidel s hodnotou lift alespoň 1,00.
  • Nastav práh podpory předchůdce na 0,005.
  • Vypočítej Zhangovo pravidlo a výsledek ulož do sloupce zhang v rules.
  • Vyber pravidla, jejichž Zhangova metrika je větší než 0,98.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Generate the initial set of rules using a minimum lift of 1.00
rules = association_rules(frequent_itemsets, metric = "____", min_threshold = ____)

# Set antecedent support to 0.005
rules = rules[rules['____'] > 0.005]

# Set consequent support to 0.005
rules = rules[rules['consequent support'] > 0.005]

# Compute Zhang's rule
rules['zhang'] = ____(____)

# Set the lower bound for Zhang's rule to 0.98
rules = rules[____['zhang'] > 0.98]
print(rules[['antecedents', 'consequents']])
Upravit a spustit kód