EmpezarEmpieza gratis

Generar reglas de asociación

En el ejercicio final de la sección anterior, calculaste conjuntos de artículos para la tienda de regalos originales usando el algoritmo Apriori. Le comentaste a la dueña que, al relajar el soporte de 0.005 a 0.003, el número de itemsets pasó de 9 a 91. Al relajarlo de nuevo a 0.001, el número subió a 429. Satisfecha con el análisis descriptivo que has hecho, la gerente ahora te pide que identifiques algunas reglas de asociación a partir de esos dos conjuntos de itemsets frecuentes que calculaste.

Ten en cuenta que pandas ya se ha importado como pd y que los dos conjuntos de itemsets frecuentes están disponibles como frequent_itemset_1 y frequent_itemset_2. Tu objetivo es determinar qué reglas de asociación se pueden extraer de estos itemsets.

Este ejercicio forma parte del curso

Análisis de cesta de la compra en Python

Ver curso

Instrucciones del ejercicio

  • Importa desde mlxtend el algoritmo que calcula reglas de asociación a partir de los resultados del algoritmo apriori.
  • Completa la instrucción para calcular reglas de asociación para frequent_itemsets_1 usando la métrica support y un umbral de 0.0015.
  • Completa la instrucción para calcular reglas de asociación para frequent_itemsets_2 usando la métrica support y un umbral de 0.0015.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Import the association rule function from mlxtend
from mlxtend.____ import ____

# Compute all association rules for frequent_itemsets_1
rules_1 = association_rules(frequent_itemsets_1, 
                            metric = "____", 
                         	min_threshold = ____)

# Compute all association rules for frequent_itemsets_2
rules_2 = association_rules(frequent_itemsets_2, 
                            metric = ____, 
                        	____)

# Print the number of association rules generated
print(len(rules_1), len(rules_2))
Editar y ejecutar código