Zacznij terazZacznij za darmo

Generowanie reguł asocjacyjnych

W ostatnim ćwiczeniu poprzedniej sekcji obliczyłeś(-aś) zbiory elementów dla właściciela sklepu z gadżetami, korzystając z algorytmu Apriori. Poinformowałeś(-aś) właściciela, że obniżenie progu wsparcia z 0,005 do 0,003 zwiększyło liczbę zbiorów elementów z 9 do 91. Kolejne obniżenie do 0,001 zwiększyło tę liczbę do 429. Zadowolony z wykonanej analizy opisowej kierownik sklepu prosi cię teraz o wyznaczenie reguł asocjacyjnych na podstawie dwóch wyznaczonych zbiorów częstych elementów.

Zwróć uwagę, że biblioteka pandas jest już zaimportowana jako pd, a dwa zbiory częstych elementów są dostępne jako frequent_itemset_1 i frequent_itemset_2. Twoim zadaniem jest określenie, jakie reguły asocjacyjne można wydobyć z tych zbiorów.

To ćwiczenie jest częścią kursu

Analiza koszyka zakupowego w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Zaimportuj z biblioteki mlxtend algorytm obliczający reguły asocjacyjne na podstawie wyników algorytmu apriori.
  • Uzupełnij polecenie, aby obliczyć reguły asocjacyjne dla frequent_itemsets_1, używając metryki support i progu 0.0015.
  • Uzupełnij polecenie, aby obliczyć reguły asocjacyjne dla frequent_itemsets_2, używając metryki support i progu 0.0015.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import the association rule function from mlxtend
from mlxtend.____ import ____

# Compute all association rules for frequent_itemsets_1
rules_1 = association_rules(frequent_itemsets_1, 
                            metric = "____", 
                         	min_threshold = ____)

# Compute all association rules for frequent_itemsets_2
rules_2 = association_rules(frequent_itemsets_2, 
                            metric = ____, 
                        	____)

# Print the number of association rules generated
print(len(rules_1), len(rules_2))
Edytuj i uruchom kod