आइटमसेट सपोर्ट का विज़ुअलाइज़ेशन
एक कंटेंट-स्ट्रीमिंग स्टार्टअप ने आपसे कंसल्टिंग के लिए संपर्क किया है। लाइसेंसिंग फीस कम रखने के लिए, वे ऐसी छोटी-सी फिल्मों की लाइब्रेरी बनाना चाहते हैं जो एक ही ऑडियंस को पसंद आए। उद्योग के बड़े खिलाड़ियों की तुलना में उनके पास कंटेंट का चयन छोटा होगा, लेकिन वे कम सब्सक्रिप्शन शुल्क पेश कर पाएँगे.
आपने इस प्रोजेक्ट के लिए MovieLens डेटा और एक हीटमैप का उपयोग करने का निर्णय लिया है। एक सरल सपोर्ट-आधारित हीटमैप से आप ऐसे व्यक्तिगत टाइटल पहचान पाएँगे जिनका अन्य टाइटल्स के साथ सपोर्ट अधिक है। वन-हॉट एन्कोड किया हुआ डेटा DataFrame onehot के रूप में उपलब्ध है। इसके अलावा, pandas pd के रूप में, seaborn sns के रूप में उपलब्ध है, और apriori() तथा association_rules() दोनों इम्पोर्ट किए जा चुके हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Market Basket Analysis
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Compute frequent itemsets using a minimum support of 0.07
frequent_itemsets = apriori(onehot, min_support = ____,
use_colnames = True, max_len = 2)
# Compute the association rules
rules = association_rules(____, metric = 'support',
min_threshold = 0.0)