Wybór progu wsparcia
Menedżerka sklepu z prezentami online przegląda wyniki z poprzedniego ćwiczenia i chwali twoją pracę. Zgłasza jednak pewien problem: wszystkie zidentyfikowane zbiory elementów zawierają tylko jeden element. Pyta, czy można zastosować mniej restrykcyjną regułę i wygenerować więcej zbiorów – być może takich, które zawierają wiele elementów.
Po wyrażeniu zgody zastanawiasz się, co mogło spowodować brak zbiorów z więcej niż jednym elementem. Nie może to być parametr max_len, ponieważ był ustawiony na trzy. Dochodzisz do wniosku, że przyczyną jest wsparcie, i postanawiasz przetestować dwie różne wartości, za każdym razem sprawdzając, ile dodatkowych zbiorów zostaje wygenerowanych. Biblioteka pandas jest dostępna jako pd, a dane zakodowane metodą one-hot są dostępne jako onehot.
To ćwiczenie jest częścią kursu
Analiza koszyka zakupowego w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import apriori from mlxtend
from mlxtend.____ import ____
# Compute frequent itemsets using a support of 0.003 and length of 3
frequent_itemsets_1 = apriori(onehot, min_support = ____,
max_len = ____, use_colnames = True)
# Compute frequent itemsets using a support of 0.001 and length of 3
frequent_itemsets_2 = apriori(onehot, min_support = ____,
____, use_colnames = True)
# Print the number of freqeuent itemsets
print(len(frequent_itemsets_1), len(frequent_itemsets_2))