Filtrado con support y conviction
En el vídeo, comentamos el trabajo de consultoría que sigues haciendo para la persona fundadora de una start‑up de venta de ebooks. Te ha facilitado el DataFrame rules, que contiene el trabajo de una persona científica de datos que estuvo previamente en plantilla. Incluye columnas de antecedents y consequents, junto con el rendimiento de cada una de esas reglas respecto a varias métricas.
Tu objetivo es aplicar un filtrado con múltiples métricas sobre el conjunto de datos para identificar reglas potencialmente útiles. Ten en cuenta que pandas está disponible como pd y numpy como np. Además, rules ya está definido y disponible.
Este ejercicio forma parte del curso
Análisis de cesta de la compra en Python
Instrucciones del ejercicio
- Usa el método
.head()con print para previsualizar el conjunto de datos. - Selecciona el subconjunto de reglas con un antecedent support mayor que 0.05.
- Selecciona el subconjunto de reglas con un consequent support mayor que 0.02.
- Selecciona el subconjunto de reglas con una conviction mayor que 1.01.
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Preview the rules DataFrame using the .head() method
print(____)
# Select the subset of rules with antecedent support greater than 0.05
rules = rules[rules['antecedent support'] > ____]
# Select the subset of rules with a consequent support greater than 0.02
rules = rules[____]
# Select the subset of rules with a conviction greater than 1.01
rules = ____
# Print remaining rules
print(rules)