Začněte nyníZačněte zdarma

Použití Zhangovy metriky

Zakladatelka e-bookového startupu se vrátila s dalšími konzultačními požadavky. Poslala ti seznam itemsetů, které zkoumá, a chce vědět, jestli některé z nich obsahují položky, které jsou disasociované. Až analýzu dokončíš, požádala tě, abys použitou metriku přidal/a jako sloupec do DataFrame rules, který máš k dispozici a který aktuálně obsahuje sloupce antecedents a consequents.

Itemsety jsou dostupné jako seznam seznamů s názvem itemsets. Každý seznam obsahuje nejprve antecedent a poté konsekvent. Máš také přístup k DataFrame books z předchozích cvičení. Zhangova metrika je pro tebe již definována a dostupná jako zhang(). K dispozici je také pandas jako pd a numpy jako np.

Toto cvičení je součástí kurzu

Market Basket Analysis v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Projdi smyčkou každý itemset v itemsets.
  • Pro každý itemset extrahuj z books sloupce odpovídající antecedentu a konsekvetu.
  • Dokonči výpočet a přidej výsledek do seznamu zhangs_metric.
  • Vypiš metriku pro každý itemset.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Define an empty list for Zhang's metric
zhangs_metric = []

# Loop over lists in itemsets
for itemset in ____:
    # Extract the antecedent and consequent columns
	antecedent = books[itemset[0]]
	consequent = ____[itemset[1]]
    
    # Complete Zhang's metric and append it to the list
	zhangs_metric.append(zhang(____, ____))
    
# Print results
rules['zhang'] = zhangs_metric
print(rules)
Upravit a spustit kód