LoslegenKostenlos loslegen

Heatmaps mit Lift

Die Gründerin mag die Heatmap, die du für ihren Streamingdienst erstellt hast. Nach weiterer Abstimmung entscheidet ihr jedoch, vor der finalen Auswahl der zu lizenzierenden Filme noch andere Kennzahlen zu prüfen. Die Gründerin schlägt insbesondere vor, eine Metrik zu verwenden, die zeigt, ob die Support-Werte höher sind, als man basierend auf den individuellen Support-Werten der Filme erwarten würde.

Du erinnerst dich, dass Lift dafür gut geeignet ist, und beschließt, es als Metrik zu verwenden. Außerdem weißt du, dass Lift eine wichtige Schwelle bei 1,0 hat, und findest es sinnvoll, die Farbskala durch Beschriftungen zu ersetzen, damit du leicht erkennen kannst, ob ein Wert größer als 1,0 ist. Beachte, dass dir die Regeln aus der vorherigen Aufgabe als rules zur Verfügung stehen.

Diese Übung ist Teil des Kurses

Market Basket Analysis in Python

Kurs anzeigen

Anleitung zur Übung

  • Importiere seaborn unter seinem Standardkürzel.
  • Wandle das DataFrame mit den Regeln mithilfe der Lift-Metrik in eine Matrix um.
  • Erzeuge eine Heatmap mit eingeschalteten Beschriftungen und ohne Farbskala.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import seaborn under its standard alias
____

# Transform the DataFrame of rules into a matrix using the lift metric
pivot = rules.____(index = 'consequents', 
                   columns = 'antecedents', values= '____')

# Generate a heatmap with annotations on and the colorbar off
sns.heatmap(pivot, annot = ____, ____)
plt.yticks(rotation=0)
plt.xticks(rotation=90)
plt.show()
Code bearbeiten und ausführen