LoslegenKostenlos starten

Cross-Promotion von Büchern mit Multi-Metrik-Filterung

Als letzten Wunsch bittet dich die Gründerin des E-Book-Start-ups um zusätzliche Filterung. Dein vorheriger Versuch lieferte 82 Regeln, sie wollte aber nur eine. Der Datensatz rules steht dir wieder in der Konsole zur Verfügung. Außerdem wurde Zhangs Metrik bereits für dich berechnet und im DataFrame rules unter der Spaltenüberschrift zhang aufgenommen.

Diese Übung ist Teil des Kurses

<Kurs>Market Basket Analysis in Python</Kurs>
Kurs ansehen

Übungsanweisungen

  • Setze den Lift-Schwellenwert auf größer als 1,5.
  • Verwende einen Conviction-Schwellenwert von 1,0.
  • Fordere, dass Zhangs Metrik größer als 0,65 ist.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Set the lift threshold to 1.5
rules = rules[rules['____'] > ____]

# Set the conviction threshold to 1.0
rules = rules[____]

# Set the threshold for Zhang's rule to 0.65
rules = ____

# Print rule
print(rules[['antecedents','consequents']])
Code bearbeiten und ausführen