始める無料で始める

Apriori で頻出アイテム集合を特定する

オンライン小売業者向けに行った集約の演習は有益でした。どのカテゴリのアイテムが取引でよく現れるかを把握するための出発点になったからです。小売業者は次の段階として、個々のアイテムそのものを調べ、どれが頻出かを知りたいと考えています。

この演習では、最初に集約せずにオンライン小売データセットへ Apriori アルゴリズムを適用します。目的は、サポートの最小値とアイテム数の上限を使ってアイテム集合を枝刈り（pruning）することです。なお、pandas は pd としてインポート済みで、ワンホットエンコード済みデータは onehot として利用可能です。

この演習はコースの一部です

Python で学ぶマーケットバスケット分析

コースを見る

演習の手順

  • Apriori アルゴリズムに onehot を渡してください。
  • 最小サポート値を 0.006 に設定します。
  • 最大アイテム集合の長さを 3 に設定します。
  • 先頭の5件のアイテム集合をプレビューとして表示してください。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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())
コードを編集して実行