EmpezarEmpieza gratis

Identificar conjuntos de artículos frecuentes con Apriori

El ejercicio de agregación que hiciste para la tienda online resultó útil. Te dio un punto de partida para comprender qué categorías de artículos aparecen con frecuencia en las transacciones. Ahora, el minorista quiere explorar los artículos individuales para descubrir cuáles son frecuentes.

En este ejercicio, aplicarás el algoritmo Apriori al conjunto de datos de comercio electrónico sin agregar primero. Tu objetivo será podar los conjuntos de artículos usando un valor mínimo de soporte y un umbral máximo de número de artículos. Ten en cuenta que pandas se ha importado como pd y que los datos codificados en one-hot están disponibles como onehot.

Este ejercicio forma parte del curso

Análisis de cesta de la compra en Python

Ver curso

Instrucciones del ejercicio

  • Pasa onehot al algoritmo Apriori.
  • Establece el soporte mínimo en 0,006.
  • Establece la longitud máxima del conjunto de artículos en 3.
  • Imprime una vista previa de los cinco primeros conjuntos de artículos.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Import apriori from mlxtend
from mlxtend.frequent_patterns import apriori

# Compute frequent itemsets using the Apriori algorithm
frequent_itemsets = apriori(____, 
                            ____ = ____, 
                            max_len = ____, 
                            use_colnames = True)

# Print a preview of the frequent itemsets
print(____.head())
Editar y ejecutar código