ÎncepețiÎncepe gratuit

Generarea regulilor de asociere

În ultimul exercițiu din secțiunea anterioară, ai calculat seturi de articole pentru proprietarul unui magazin de cadouri inedite folosind algoritmul Apriori. I-ai explicat că relaxând suportul de la 0,005 la 0,003, numărul de seturi de articole a crescut de la 9 la 91, iar relaxând din nou pragul la 0,001, acesta a ajuns la 429. Mulțumit de analiza descriptivă realizată, managerul magazinului îți cere acum să identifici câteva reguli de asociere din cele două seturi de articole frecvente pe care le-ai calculat.

Rețineți că pandas a fost importat pentru tine ca pd, iar cele două seturi de articole frecvente sunt disponibile ca frequent_itemset_1 și frequent_itemset_2. Obiectivul tău este să determini ce reguli de asociere pot fi extrase din aceste seturi de articole.

Acest exercițiu face parte din cursul

Analiza coșului de cumpărături în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Importă algoritmul din mlxtend care calculează regulile de asociere pe baza rezultatelor algoritmului apriori.
  • Completează instrucțiunea pentru a calcula regulile de asociere pentru frequent_itemsets_1 folosind metrica suportului și un prag de 0,0015.
  • Completează instrucțiunea pentru a calcula regulile de asociere pentru frequent_itemsets_2 folosind metrica suportului și un prag de 0,0015.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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))
Editează și rulează codul