Filtern mit Support und Conviction
Im Video haben wir über deine laufende Beratung für die Gründerin bzw. den Gründer eines E‑Book-Start-ups gesprochen. Die Gründerperson hat dir den DataFrame rules gegeben, der die Arbeit einer früheren Data Scientist enthält. Er umfasst Spalten für Antezedenz und Konsequenz sowie die Performance jeder dieser Regeln anhand mehrerer Metriken.
Dein Ziel ist es, ein Multi-Metrik-Filtering auf den Datensatz anzuwenden, um potenziell nützliche Regeln zu identifizieren. Beachte: pandas ist als pd verfügbar und numpy als np. Außerdem wurde rules bereits definiert und steht zur Verfügung.
Diese Übung ist Teil des Kurses
Market Basket Analysis in Python
Anleitung zur Übung
- Verwende die Methode
.head()zusammen mit print, um eine Vorschau auf den Datensatz zu erhalten. - Wähle die Teilmenge der Regeln mit einem Antezedenz-Support größer als 0,05 aus.
- Wähle die Teilmenge der Regeln mit einem Konsequenz-Support größer als 0,02 aus.
- Wähle die Teilmenge der Regeln mit einer Conviction größer als 1,01 aus.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Preview the rules DataFrame using the .head() method
print(____)
# Select the subset of rules with antecedent support greater than 0.05
rules = rules[rules['antecedent support'] > ____]
# Select the subset of rules with a consequent support greater than 0.02
rules = rules[____]
# Select the subset of rules with a conviction greater than 1.01
rules = ____
# Print remaining rules
print(rules)