평행좌표로 규칙 시각화하기
이전 연습 문제에서의 시각적 시연을 보고, 창업자는 공급-신뢰도 경계가 더 탐구할 가치가 있다고 확신했습니다. 이제 그 경계의 일부를 추출해 시각화해 보자고 제안합니다. 경계에 놓인 규칙들은 대부분의 일반적인 지표에서 강력하므로, 특정 지표에 따른 강도의 크기보다는 규칙의 존재 여부만을 시각화하자고 합니다.
이럴 때는 평행좌표 플롯이 이상적이라고 판단했습니다. 데이터는 onehot으로 가져와 두었습니다. 또한 apriori(), association_rules(), parallel_coordinates()가 임포트되어 있고, pandas는 pd로 사용할 수 있습니다. 함수 rules_to_coordinates()도 정의되어 제공됩니다.
이 연습은 강의의 일부입니다
Python으로 배우는 Market Basket Analysis
연습 안내
- 최소 지지도 0.05로 Apriori 알고리즘 구문을 완성하세요.
- 최소 신뢰도 임계값 0.50으로 연관 규칙을 계산하세요. 이는 공급-신뢰도 경계의 상단에 가까운 점들만 포착하기에 충분히 높은 값입니다.
- 규칙을 좌표로 변환하세요.
parallel_coordinates()를 사용해 좌표를 그리세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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()