ComeçarComece de graça

Usando filtragem com múltiplas métricas para fazer cross-promoção de livros

Como pedido final, a fundadora da startup de venda de ebooks solicita que você faça uma filtragem adicional. Sua tentativa anterior retornou 82 regras, mas ela queria apenas uma. O conjunto de dados rules foi disponibilizado novamente no console. Por fim, a métrica de Zhang já foi calculada para você e incluída no DataFrame rules na coluna zhang.

Este exercício faz parte do curso

Análise de Cesta de Compras em Python

Ver curso

Instruções do exercício

  • Defina o limite de lift como maior que 1,5.
  • Use um limite de conviction de 1,0.
  • Exija que a métrica de Zhang seja maior que 0,65.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Set the lift threshold to 1.5
rules = rules[rules['____'] > ____]

# Set the conviction threshold to 1.0
rules = rules[____]

# Set the threshold for Zhang's rule to 0.65
rules = ____

# Print rule
print(rules[['antecedents','consequents']])
Editar e executar o código