Wat beïnvloedde Pulp Fiction?
In de video-oefening zag je welke waarde Market Basket Analysis in de offline wereld kan opleveren voor retail. In deze oefening pas je dezelfde concepten toe om online filmaanbevelingen te bouwen.
Bij het maken van filmaanbevelingen is het belangrijk dat je een door een klant bekeken film kunt invoeren en, op basis van het kijkgedrag van die klant en vergelijkbare klanten, concrete aanbevelingen kunt geven.
In deze oefening ga je uitzoeken welke bekeken films het meest waarschijnlijk leiden tot een aanbeveling van de film Pulp Fiction, door de regels te vinden waarbij deze film in de RHS staat. De transactionele gegevensset movie_trx is geladen in de workspace.
Deze oefening maakt deel uit van de cursus
Market Basket-analyse in R
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Extract rules with Pulp Fiction on the right side
pulpfiction_rules_rhs = apriori(movie_trx,
parameter = list(supp = 0.3,
conf = 0.5),
___ = list(default = "___",
___ = "___"))
# Inspect the first rules
___(___(pulpfiction_rules_rhs))