lift를 활용한 히트맵
창업자는 본인의 스트리밍 서비스에 대해 여러분이 만든 히트맵을 마음에 들어 했습니다. 하지만 프로젝트를 더 논의한 결과, 어떤 영화를 라이선스할지 최종 결정하기 전에 다른 지표들도 살펴보는 것이 중요하다고 판단했어요. 특히, 각 영화의 개별 지지도만으로 예상되는 값보다 결합 지지도가 더 높은지 알려주는 지표를 선택하자는 제안을 받았습니다.
여러분은 lift가 이 목적에 잘 맞는다는 것을 떠올리고, 이를 지표로 사용하기로 합니다. 또한 lift에는 1.0이라는 중요한 임계값이 있으므로, 값이 1.0보다 큰지 쉽게 확인할 수 있도록 colorbar를 주석(annotation)으로 대체하는 것이 중요하다고 결정했어요. 이전 연습 문제에서 만든 규칙들은 rules로 제공됩니다.
이 연습은 강의의 일부입니다
Python으로 배우는 Market Basket Analysis
연습 안내
seaborn을 표준 별칭으로 임포트하세요.- lift 지표를 사용해 규칙이 담긴
DataFrame을 행렬로 변환하세요. - 주석(annotation)은 켜고 colorbar는 끈 상태로 히트맵을 생성하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Import seaborn under its standard alias
____
# Transform the DataFrame of rules into a matrix using the lift metric
pivot = rules.____(index = 'consequents',
columns = 'antecedents', values= '____')
# Generate a heatmap with annotations on and the colorbar off
sns.heatmap(pivot, annot = ____, ____)
plt.yticks(rotation=0)
plt.xticks(rotation=90)
plt.show()