CommencezCommencez gratuitement

Application de la règle de Zhang

Au chapitre 2, nous avons vu que la règle de Zhang est une mesure continue de l'association entre deux articles qui prend des valeurs dans l'intervalle [-1, +1]. Une valeur de -1 indique une association parfaitement négative et une valeur de +1 indique une association parfaitement positive. Dans cet exercice, vous déterminerez si la règle de Zhang peut servir à affiner un ensemble de règles qu'une boutique-cadeaux utilise actuellement pour promouvoir des produits.

Notez que les itemsets fréquents ont été calculés pour vous et sont disponibles sous frequent_itemsets. De plus, zhangs_rule() a été définie et association_rules() a été importée de mlxtend. Vous commencerez par recalculer l'ensemble original de règles. Ensuite, vous appliquerez la mesure de Zhang pour ne conserver que les règles présentant une association élevée et positive.

Cette activité fait partie du cours

Analyse des paniers d'achat en Python

Voir le cours

Instructions de l’exercice

  • Générez l'ensemble des règles d'association avec une valeur de lift d'au moins 1,00.
  • Fixez le seuil d'appui de l'antécédent à 0,005.
  • Calculez la règle de Zhang et assignez le résultat à la colonne zhang dans rules.
  • Sélectionnez les règles dont la mesure de Zhang est supérieure à 0,98.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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']])
Modifier et exécuter le code