始める無料で始める

平行座標で規則を可視化する

前の演習での可視化により、供給-信頼度の境界をさらに掘り下げる価値があると創業者を納得させることができました。次は、その境界の一部を抽出して可視化してほしいとのことです。境界上にある規則は多くの一般的な指標に照らして強力であるため、彼女は、ある指標での強さではなく、「規則が存在するかどうか」だけを可視化すべきだと提案しています。

このようなケースには平行座標プロットが最適だと気づきます。データは onehot として読み込まれています。さらに、apriori()、association_rules()、parallel_coordinates() はインポート済みで、pandas は pd として利用できます。関数 rules_to_coordinates() も定義済みで使用可能です。

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

  • 最小サポート 0.05 を用いて Apriori アルゴリズムの記述を完成させてください。
  • 最小信頼度 0.50 でアソシエーションルールを計算します。これは、供給-信頼度の境界の上部近くの点のみを抽出するのに十分高い値です。
  • 規則を座標に変換します。
  • parallel_coordinates() を使って座標をプロットします。

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。

# Compute the frequent itemsets
frequent_itemsets = ____(onehot, min_support = ____, 
                         use_colnames = True, max_len = 2)

# Compute rules from the frequent itemsets with the confidence metric
rules = association_rules(frequent_itemsets, metric = '____', 
                          min_threshold = 0.50)

# Convert rules into coordinates suitable for use in a parallel coordinates plot
coords = rules_to_coordinates(____)

# Generate parallel coordinates plot
parallel_coordinates(____, 'rule')
plt.legend([])
plt.show()
コードを編集して実行