CommencezCommencez gratuitement

Utiliser un filtrage multi-métriques pour la promotion croisée de livres

Dernière demande : la fondatrice de la jeune pousse de vente de livres numériques vous demande d'appliquer un filtrage additionnel. Votre tentative précédente a renvoyé 82 règles, mais elle n'en voulait qu'une. Le jeu de données rules est de nouveau disponible dans la console. Enfin, la mesure de Zhang a été calculée pour vous et ajoutée au DataFrame rules sous l'en-tête de colonne zhang.

Cette activité fait partie du cours

Analyse des paniers d'achat en Python

Voir le cours

Instructions de l’exercice

  • Fixez le seuil de lift à une valeur supérieure à 1,5.
  • Utilisez un seuil de conviction de 1,0.
  • Exigez que la mesure de Zhang soit supérieure à 0,65.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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']])
Modifier et exécuter le code