Stosowanie reguły Zhanga
W rozdziale 2 poznałeś regułę Zhanga – ciągłą miarę asocjacji między dwoma elementami, przyjmującą wartości z przedziału [-1, +1]. Wartość -1 oznacza doskonale negatywną asocjację, a wartość +1 – doskonale pozytywną. W tym ćwiczeniu sprawdzisz, czy reguła Zhanga może pomóc udoskonalić zestaw reguł używanych przez sklep z upominkami do promocji produktów.
Częste zbiory elementów zostały już obliczone i są dostępne jako frequent_itemsets. Ponadto funkcja zhangs_rule() jest zdefiniowana, a association_rules() zostało zaimportowane z mlxtend. Zaczniesz od ponownego obliczenia oryginalnego zestawu reguł, a następnie zastosujesz metrykę Zhanga, aby wybrać tylko te reguły, które cechują się wysoką i pozytywną asocjacją.
To ćwiczenie jest częścią kursu
Analiza koszyka zakupowego w Pythonie
Instrukcje do ćwiczenia
- Wygeneruj zestaw reguł asocjacyjnych z wartością lift wynoszącą co najmniej 1,00.
- Ustaw próg wsparcia poprzednika na 0,005.
- Oblicz regułę Zhanga i przypisz wynik do kolumny
zhangwrules. - Wybierz reguły, dla których metryka Zhanga jest większa niż 0,98.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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']])