LoslegenKostenlos loslegen

Zhangs Regel anwenden

In Kapitel 2 haben wir gelernt, dass Zhangs Regel ein kontinuierliches Maß für die Assoziation zwischen zwei Items ist, das Werte im Intervall [-1,+1] annimmt. Ein Wert von -1 steht für eine perfekt negative Assoziation und +1 für eine perfekt positive Assoziation. In dieser Übung findest du heraus, ob sich Zhangs Regel nutzen lässt, um einen Regelsatz zu verfeinern, den ein Geschenkartikel-Laden derzeit zur Produktpromotion verwendet.

Beachte, dass die häufigen Itemsets bereits für dich berechnet wurden und als frequent_itemsets vorliegen. Außerdem wurde zhangs_rule() definiert und association_rules() aus mlxtend importiert. Du beginnst damit, den ursprünglichen Regelsatz neu zu berechnen. Anschließend wendest du Zhangs Metrik an, um nur die Regeln mit einer hohen und positiven Assoziation auszuwählen.

Diese Übung ist Teil des Kurses

Market Basket Analysis in Python

Kurs anzeigen

Anleitung zur Übung

  • Erzeuge den Satz an Assoziationsregeln mit einem Lift-Wert von mindestens 1,00.
  • Setze den Antezedenz-Support-Schwellenwert auf 0,005.
  • Berechne Zhangs Regel und schreibe die Ausgabe in die Spalte zhang in rules.
  • Wähle die Regeln aus, deren Zhang-Metrik größer als 0,98 ist.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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']])
Code bearbeiten und ausführen