Générer des règles d'association
Dans le dernier exercice de la section précédente, vous avez calculé des ensembles d'articles (itemsets) pour la boutique de cadeaux inusités à l'aide de l'algorithme Apriori. Vous avez indiqué au propriétaire que relâcher le support de 0.005 à 0.003 faisait passer le nombre d'ensembles d'articles de 9 à 91. En le relâchant de nouveau à 0.001, le nombre est monté à 429. Satisfait du travail descriptif réalisé, le gérant vous demande maintenant d'identifier des règles d'association à partir des deux ensembles d'itemsets fréquents que vous avez obtenus.
Notez que pandas a été importé sous le nom pd et que les deux ensembles d'itemsets fréquents sont disponibles sous frequent_itemset_1 et frequent_itemset_2. Votre objectif est de déterminer quelles règles d'association peuvent être extraites de ces itemsets.
Cette activité fait partie du cours
Analyse des paniers d'achat en Python
Instructions de l’exercice
- Importez, depuis
mlxtend, l'algorithme qui calcule des règles d'association à partir des résultats de l'algorithmeapriori. - Complétez l'instruction pour calculer les règles d'association pour
frequent_itemsets_1en utilisant la métriquesupportet un seuil de 0.0015. - Complétez l'instruction pour calculer les règles d'association pour
frequent_itemsets_2en utilisant la métriquesupportet un seuil de 0.0015.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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))