EmpezarEmpieza gratis

Aplicar la regla de Zhang

En el capítulo 2 aprendimos que la regla de Zhang es una medida continua de asociación entre dos artículos que toma valores en el intervalo [-1, +1]. Un valor de -1 indica una asociación perfectamente negativa y un valor de +1 indica una asociación perfectamente positiva. En este ejercicio, determinarás si la regla de Zhang puede usarse para afinar un conjunto de reglas que una tienda de regalos está utilizando actualmente para promocionar productos.

Ten en cuenta que los conjuntos de artículos frecuentes ya se han calculado y están disponibles como frequent_itemsets. Además, zhangs_rule() está definida y association_rules() se ha importado desde mlxtend. Empezarás recomputando el conjunto original de reglas. Después, aplicarás la métrica de Zhang para seleccionar solo aquellas reglas con una asociación alta y positiva.

Este ejercicio forma parte del curso

Análisis de cesta de la compra en Python

Ver curso

Instrucciones del ejercicio

  • Genera el conjunto de reglas de asociación con un valor de lift de al menos 1.00.
  • Establece el umbral de soporte del antecedente en 0.005.
  • Calcula la regla de Zhang y asigna el resultado a la columna zhang en rules.
  • Selecciona las reglas cuya métrica de Zhang sea mayor que 0.98.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# 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']])
Editar y ejecutar código