ComeçarComece de graça

Aplicando a regra de Zhang

No Capítulo 2, vimos que a regra de Zhang é uma medida contínua de associação entre dois itens que assume valores no intervalo [-1,+1]. Um valor -1 indica uma associação perfeitamente negativa e um valor +1 indica uma associação perfeitamente positiva. Neste exercício, você vai determinar se a regra de Zhang pode ser usada para refinar um conjunto de regras que uma loja de presentes está usando para promover produtos.

Observe que os conjuntos frequentes já foram calculados e estão disponíveis como frequent_itemsets. Além disso, zhangs_rule() foi definida e association_rules() foi importada de mlxtend. Você começará recalculando o conjunto original de regras. Depois disso, aplicará a métrica de Zhang para selecionar apenas as regras com associação alta e positiva.

Este exercício faz parte do curso

Análise de Cesta de Compras em Python

Ver curso

Instruções do exercício

  • Gere o conjunto de regras de associação com valor de lift de pelo menos 1.00.
  • Defina o limite de suporte do antecedente como 0.005.
  • Calcule a regra de Zhang e atribua a saída à coluna zhang em rules.
  • Selecione as regras cujo valor da métrica de Zhang seja maior que 0.98.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Generate the initial set of rules using a minimum lift of 1.00
rules = association_rules(frequent_itemsets, metric = "____", min_threshold = ____)

# Set antecedent support to 0.005
rules = rules[rules['____'] > 0.005]

# Set consequent support to 0.005
rules = rules[rules['consequent support'] > 0.005]

# Compute Zhang's rule
rules['zhang'] = ____(____)

# Set the lower bound for Zhang's rule to 0.98
rules = rules[____['zhang'] > 0.98]
print(rules[['antecedents', 'consequents']])
Editar e executar o código