Začněte nyníZačněte zdarma

Generování asociačních pravidel

V posledním cvičení předchozí části jsi pomocí algoritmu Apriori vypočítal/a itemsety pro majitele obchodu s dárkovými předměty. Řekl/a jsi mu, že snížení support z 0,005 na 0,003 zvýšilo počet itemsetů z 9 na 91. Další snížení na 0,001 zvýšilo počet na 429. Manažer obchodu je spokojený s popisnou analýzou, kterou jsi provedl/a, a žádá tě, abys z těchto dvou sad frekventovaných itemsetů identifikoval/a asociační pravidla.

Knihovna pandas je už naimportovaná jako pd a oba frekventované itemsety jsou dostupné jako frequent_itemset_1 a frequent_itemset_2. Tvým cílem je zjistit, jaká asociační pravidla lze z těchto itemsetů získat.

Toto cvičení je součástí kurzu

Market Basket Analysis v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Importuj z knihovny mlxtend algoritmus, který počítá asociační pravidla z výsledků algoritmu apriori.
  • Doplň příkaz pro výpočet asociačních pravidel pro frequent_itemsets_1 s použitím metriky support a prahovou hodnotou 0.0015.
  • Doplň příkaz pro výpočet asociačních pravidel pro frequent_itemsets_2 s použitím metriky support a prahovou hodnotou 0.0015.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import the association rule function from mlxtend
from mlxtend.____ import ____

# Compute all association rules for frequent_itemsets_1
rules_1 = association_rules(frequent_itemsets_1, 
                            metric = "____", 
                         	min_threshold = ____)

# Compute all association rules for frequent_itemsets_2
rules_2 = association_rules(frequent_itemsets_2, 
                            metric = ____, 
                        	____)

# Print the number of association rules generated
print(len(rules_1), len(rules_2))
Upravit a spustit kód