ÎncepețiÎncepe gratuit

Hărți de căldură cu lift

Fondatoarei îi place harta de căldură pe care ai creat-o pentru serviciul ei de streaming. După ce ați discutat mai mult despre proiect, decizi însă că este important să examinezi și alte metrici înainte de a lua o decizie finală privind filmele de licențiat. În special, fondatoarea sugerează să alegi o metrică care să îți arate dacă valorile de support sunt mai mari decât ne-am aștepta, ținând cont de valorile individuale de support ale filmelor.

Îți amintești că lift-ul face asta foarte bine și decizi să îl folosești ca metrică. De asemenea, îți amintești că lift-ul are un prag important la 1,0 și consideri că este important să înlocuiești bara de culori cu adnotări, astfel încât să poți determina dacă o valoare este mai mare de 1,0. Reține că regulile din exercițiul anterior îți sunt disponibile ca rules.

Acest exercițiu face parte din cursul

Analiza coșului de cumpărături în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Importă seaborn sub aliasul său standard.
  • Transformă DataFrame-ul care conține regulile într-o matrice folosind metrica lift.
  • Generează o hartă de căldură cu adnotările activate și bara de culori dezactivată.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import seaborn under its standard alias
____

# Transform the DataFrame of rules into a matrix using the lift metric
pivot = rules.____(index = 'consequents', 
                   columns = 'antecedents', values= '____')

# Generate a heatmap with annotations on and the colorbar off
sns.heatmap(pivot, annot = ____, ____)
plt.yticks(rotation=0)
plt.xticks(rotation=90)
plt.show()
Editează și rulează codul