Utiliser un filtrage multi-métriques pour faire de la promotion croisée de livres
Pour une dernière demande, la fondatrice de la start-up de vente d’ebooks vous demande d’appliquer un filtrage supplémentaire. Votre tentative précédente a renvoyé 82 règles, mais elle n’en voulait qu’une. Le jeu de données rules est à nouveau disponible dans la console. Enfin, la métrique de Zhang a été calculée pour vous et incluse dans le DataFrame rules sous l’en-tête de colonne zhang.
Cet exercice fait partie du cours
Analyse des paniers d’achat en Python
Instructions
- Fixez le seuil de lift à une valeur supérieure à 1,5.
- Utilisez un seuil de conviction de 1,0.
- Exigez que la métrique de Zhang soit supérieure à 0,65.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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']])