Začněte nyníZačněte zdarma

Prořezávání pomocí bodových grafů

Po zhlédnutí tvého návrhu streamovací služby zaměřené na Batmana z předchozího cvičení si zakladatelka uvědomila, že její původní plán byl možná příliš úzce zaměřený. Místo konkrétních titulů tě teď žádá, abys odhalil/a obecné vzory v asociačních pravidlech a podle toho provedl/a prořezávání. Cílem je identifikovat velkou sadu silných asociací.

Naštěstí ses právě naučil/a generovat bodové grafy. Rozhodneš se začít vykreslením podpory (support) a spolehlivosti (confidence), protože optimální pravidla podle mnoha běžných metrik leží na hranici confidence–support. Data zakódovaná metodou one-hot encoding jsou již naimportována a dostupná jako onehot. Funkce apriori() a association_rules() jsou také naimportovány a pandas je dostupný jako pd.

Toto cvičení je součástí kurzu

Market Basket Analysis v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Vygeneruj velké množství itemsetů o 2 položkách tak, že minimální podporu nastavíš na 0.0075 a maximální délku na 2.
  • Doplň volání funkce association_rules() tak, aby nedocházelo k žádnému dalšímu filtrování.
  • Doplň kód pro vygenerování bodového grafu a nastav proměnnou y na confidence.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import seaborn under its standard alias
import seaborn as sns

# Apply the Apriori algorithm with a support value of 0.0075
frequent_itemsets = apriori(onehot, min_support = ___, 
                            use_colnames = True, max_len = ____)

# Generate association rules without performing additional pruning
rules = association_rules(____, metric = 'support', 
                          min_threshold = ____)

# Generate scatterplot using support and confidence
sns.scatterplot(x = "support", y = "____", data = ____)
plt.show()
Upravit a spustit kód