시작하기무료로 시작하기

아이템셋 지지도 시각화

한 콘텐츠 스트리밍 스타트업이 컨설팅을 의뢰했습니다. 이들은 라이선스 비용을 낮추기 위해 동일한 시청자층에게 고르게 매력적인 영화만 추려서 좁은 라이브러리를 구성하려고 합니다. 업계의 대형 서비스보다 선택지는 적지만, 더 낮은 구독료를 제공할 수 있죠.

이 프로젝트에서는 MovieLens 데이터를 활용해 히트맵을 그리기로 했습니다. 간단한 지지도 기반 히트맵을 사용하면 다른 제목들과 함께 자주 등장하는 개별 작품을 식별할 수 있습니다. 원-핫 인코딩된 데이터는 DataFrame onehot으로 제공됩니다. 또한 pandas는 pd, seaborn은 sns로 사용할 수 있으며, apriori()와 association_rules()는 이미 임포트되어 있습니다.

이 연습은 강의의 일부입니다

Python으로 배우는 Market Basket Analysis

강의 보기

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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)
코드 편집 및 실행