Filtrowanie według wsparcia i przekonania
Na filmie omówiliśmy dalszą pracę konsultingową, którą wykonujesz dla założyciela start-upu sprzedającego e-booki. Założyciel przekazał ci ramkę danych rules, zawierającą wyniki pracy poprzedniego analityka danych. Zawiera ona kolumny dla poprzedników i następników, a także wartości poszczególnych metryk dla każdej z reguł.
Twoim zadaniem jest przeprowadzenie filtrowania wielometrycznego na tym zbiorze danych w celu zidentyfikowania potencjalnie użytecznych reguł. Pamiętaj, że pandas jest dostępny jako pd, a numpy jako np. Ramka danych rules jest już zdefiniowana i gotowa do użycia.
To ćwiczenie jest częścią kursu
Analiza koszyka zakupowego w Pythonie
Instrukcje do ćwiczenia
- Użyj metody
.head()zprint, aby wyświetlić podgląd zbioru danych. - Wybierz podzbiór reguł, w których wsparcie poprzednika jest większe niż 0,05.
- Wybierz podzbiór reguł, w których wsparcie następnika jest większe niż 0,02.
- Wybierz podzbiór reguł, w których przekonanie jest większe niż 1,01.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Preview the rules DataFrame using the .head() method
print(____)
# Select the subset of rules with antecedent support greater than 0.05
rules = rules[rules['antecedent support'] > ____]
# Select the subset of rules with a consequent support greater than 0.02
rules = rules[____]
# Select the subset of rules with a conviction greater than 1.01
rules = ____
# Print remaining rules
print(rules)