De juiste filmparameters kiezen
Je vraagt je nog steeds af welke parameters je moet toevoegen aan de functie apriori(). Je moet in het bijzonder drempels kiezen voor de minimale support, confidence en eventueel lift.
De parameters die je aan de functie apriori() toevoegt, hebben invloed op de set filmregels die we krijgen. Om te helpen bepalen welke parameters het meest geschikt zijn om de set filmregels te verkrijgen, maken we een plot van het aantal regels.
In deze oefening maak je een plot om te bepalen welke combinatie van parameters het meest geschikt is voor gebruik in de functie apriori().
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.
# Set of confidence levels
confidenceLevels = seq(from=0.95, to=0.5, by=-0.05)
# Create empty vector
rules_sup04 = NULL
# Apriori algorithm with a support level of 40%
for (i in 1:length(___)) {
rules_sup04[i] =
___(apriori(movie_trx,
parameter=list(sup=___,
conf=confidenceLevels[i],
target="___")))
}