Zhangs regel toepassen
In hoofdstuk 2 leerden we dat Zhangs regel een continue maat is voor de associatie tussen twee items, met waarden in het interval [-1,+1]. Een waarde van -1 duidt op een perfect negatieve associatie en +1 op een perfect positieve associatie. In deze oefening ga je bepalen of Zhangs regel kan worden gebruikt om een set regels te verfijnen die een cadeaushop momenteel gebruikt om producten te promoten.
Let op: de frequente itemsets zijn al voor je berekend en beschikbaar als frequent_itemsets. Daarnaast is zhangs_rule() gedefinieerd en is association_rules() geïmporteerd uit mlxtend. Je begint met het opnieuw berekenen van de oorspronkelijke set regels. Daarna pas je Zhangs maat toe om alleen die regels te selecteren met een sterke, positieve associatie.
Deze oefening maakt deel uit van de cursus
Market Basket Analysis in Python
Oefeninstructies
- Genereer de set associatieregels met een liftwaarde van minimaal 1,00.
- Stel de antecedent support-drempel in op 0,005.
- Bereken Zhangs regel en zet de output in de kolom
zhanginrules. - Selecteer de regels met een Zhang-waarde groter dan 0,98.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Generate the initial set of rules using a minimum lift of 1.00
rules = association_rules(frequent_itemsets, metric = "____", min_threshold = ____)
# Set antecedent support to 0.005
rules = rules[rules['____'] > 0.005]
# Set consequent support to 0.005
rules = rules[rules['consequent support'] > 0.005]
# Compute Zhang's rule
rules['zhang'] = ____(____)
# Set the lower bound for Zhang's rule to 0.98
rules = rules[____['zhang'] > 0.98]
print(rules[['antecedents', 'consequents']])