EmpezarEmpieza gratis

Usar filtrado con múltiples métricas para venta cruzada de libros

Como petición final, la fundadora de la start-up de venta de ebooks te pide que apliques filtros adicionales. Tu intento anterior devolvió 82 reglas, pero ella quería solo una. El conjunto de datos rules vuelve a estar disponible en la consola. Por último, la métrica de Zhang ya se ha calculado por ti y se ha incluido en el DataFrame rules bajo el encabezado de columna zhang.

Este ejercicio forma parte del curso

Análisis de cesta de la compra en Python

Ver curso

Instrucciones del ejercicio

  • Establece el umbral de lift como mayor que 1.5.
  • Usa un umbral de conviction de 1.0.
  • Exige que la métrica de Zhang sea mayor que 0.65.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Set the lift threshold to 1.5
rules = rules[rules['____'] > ____]

# Set the conviction threshold to 1.0
rules = rules[____]

# Set the threshold for Zhang's rule to 0.65
rules = ____

# Print rule
print(rules[['antecedents','consequents']])
Editar y ejecutar código