Zacznij terazZacznij za darmo

Identyfikowanie częstych zbiorów elementów za pomocą algorytmu Apriori

Ćwiczenie z agregacji, które wykonałeś dla sklepu internetowego, okazało się przydatne – dało punkt wyjścia do zrozumienia, jakie kategorie produktów pojawiają się najczęściej w transakcjach. Teraz sprzedawca chce przyjrzeć się poszczególnym produktom i sprawdzić, które z nich są częste.

W tym ćwiczeniu zastosujesz algorytm Apriori do zbioru danych sklepu internetowego bez wcześniejszej agregacji. Twoim celem będzie przycinanie zbiorów elementów przy użyciu minimalnej wartości wsparcia oraz progu maksymalnej liczby elementów. Pamiętaj, że biblioteka pandas została zaimportowana jako pd, a dane zakodowane metodą one-hot są dostępne jako onehot.

To ćwiczenie jest częścią kursu

Analiza koszyka zakupowego w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Przekaż onehot do algorytmu Apriori.
  • Ustaw minimalną wartość wsparcia na 0.006.
  • Ustaw maksymalną długość zbioru elementów na 3.
  • Wyświetl podgląd pierwszych pięciu zbiorów elementów.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import apriori from mlxtend
from mlxtend.frequent_patterns import apriori

# Compute frequent itemsets using the Apriori algorithm
frequent_itemsets = apriori(____, 
                            ____ = ____, 
                            max_len = ____, 
                            use_colnames = True)

# Print a preview of the frequent itemsets
print(____.head())
Edytuj i uruchom kod