Filtrando por support e conviction
No vídeo, falamos sobre o trabalho contínuo de consultoria que você está fazendo para o fundador de uma start-up de venda de e-books. O fundador trouxe para você o DataFrame rules, que contém o trabalho de um cientista de dados que fazia parte da equipe anteriormente. Ele inclui colunas para antecedentes e consequentes, além do desempenho de cada uma dessas regras em relação a várias métricas.
Seu objetivo é aplicar um filtro usando múltiplas métricas no conjunto de dados para identificar regras potencialmente úteis. Observe que pandas está disponível como pd e numpy como np. Além disso, rules já foi definido e está disponível.
Este exercício faz parte do curso
Análise de Cesta de Compras em Python
Instruções do exercício
- Use o método
.head()com print para visualizar uma prévia do conjunto de dados. - Selecione o subconjunto de regras com antecedent support maior que 0.05.
- Selecione o subconjunto de regras com consequent support maior que 0.02.
- Selecione o subconjunto de regras com conviction maior que 1.01.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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)