1. Nauka
    2. /
  2. Kursy
    3. /
  3. Analiza koszyka zakupowego w Pythonie
Connected

ćwiczenie

Zaawansowane filtrowanie z użyciem wielu metryk

Wcześniej korzystaliśmy z danych ze sklepu internetowego z gadżetami, aby znaleźć poprzedniki nadające się do promowania określonego następnika. Ponieważ zbiór potencjalnych reguł był duży, musieliśmy polegać na algorytmie Apriori i filtrowaniu wielometrycznym, żeby go zawęzić. W tym ćwiczeniu przyjrzymy się pełnemu zestawowi reguł i znajdziemy przydatną regułę – zamiast szukać konkretnego poprzednika.

Zwróć uwagę, że dane zostały wczytane, wstępnie przetworzone i zakodowane metodą one-hot, a wynik jest dostępny jako onehot. Funkcje apriori() oraz association_rules() zostały już zaimportowane z biblioteki mlxtend. W tym ćwiczeniu zastosujesz algorytm Apriori do wyznaczenia częstych zbiorów elementów. Następnie wyodrębnisz z nich zbiór reguł asocjacyjnych i zastosuj filtrowanie wielometryczne.

Instrukcje

100 XP
  • Zastosuj algorytm Apriori do zakodowanych metodą one-hot zbiorów elementów, używając minimalnego progu wsparcia równego 0.001.
  • Wyodrębnij reguły asocjacyjne, stosując minimalny próg wsparcia równy 0.001.
  • Ustaw antecedent_support na 0.002, a consequent_support na 0.01.
  • Ustaw confidence na wartość wyższą niż 0.60, a lift na wartość wyższą niż 2.50.