शुरू करेंमुफ़्त में शुरू करें

Apriori के साथ frequent itemsets पहचानना

ऑनलाइन रिटेलर के लिए आपने जो aggregation अभ्यास किया था, वह काफ़ी काम आया. इससे यह समझने की शुरुआत हुई कि किन श्रेणियों के आइटम ट्रांज़ैक्शंस में अक्सर साथ आते हैं. अब रिटेलर व्यक्तिगत आइटम्स को ही खंगालना चाहता है ताकि पता चले कि कौन से आइटम frequent हैं.

इस अभ्यास में, आप Apriori एल्गोरिदम को ऑनलाइन रिटेल डेटासेट पर बिना पहले aggregate किए लागू करेंगे. आपका उद्देश्य minimum support वैल्यू और maximum आइटम संख्या की सीमा का उपयोग करके itemsets को prune करना होगा. ध्यान दें कि pandas को pd नाम से इम्पोर्ट किया गया है और one-hot encoded डेटा onehot के रूप में उपलब्ध है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Market Basket Analysis

पाठ्यक्रम देखें

अभ्यास निर्देश

  • Apriori एल्गोरिदम को onehot पास करें.
  • minimum support वैल्यू 0.006 पर सेट करें.
  • maximum itemset length को 3 पर सेट करें.
  • पहले पाँच itemsets का प्रीव्यू प्रिंट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Import apriori from mlxtend
from mlxtend.frequent_patterns import apriori

# Compute frequent itemsets using the Apriori algorithm
frequent_itemsets = apriori(____, 
                            ____ = ____, 
                            max_len = ____, 
                            use_colnames = True)

# Print a preview of the frequent itemsets
print(____.head())
कोड संपादित करें और चलाएँ