ÎncepețiÎncepe gratuit

Reducerea regulilor cu scatterplot-uri

După ce a analizat propunerea ta pentru serviciul de streaming bazat pe Batman din exercițiul anterior, fondatoarea realizează că planul inițial a fost prea restrictiv. Îți cere să te concentrezi pe tipare generale în regulile de asociere și să aplici reducerea în consecință. Obiectivul tău este să identifici un set mare de asocieri puternice.

Din fericire, tocmai ai aflat cum să generezi scatterplot-uri. Decizi să începi prin reprezentarea suportului și a încrederii, deoarece toate regulile optime conform multor metrici comune se află pe granița dintre încredere și suport. Datele codificate one-hot au fost deja importate și sunt disponibile ca onehot. De asemenea, apriori() și association_rules() au fost importate, iar pandas este disponibil ca pd.

Acest exercițiu face parte din cursul

Analiza coșului de cumpărături în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Generează un număr mare de itemset-uri cu 2 elemente, setând suportul minim la 0,0075 și lungimea maximă la 2.
  • Completează instrucțiunea pentru association_rules() astfel încât să eviți filtrarea suplimentară.
  • Completează instrucțiunea pentru a genera scatterplot-ul, setând variabila y să folosească confidence.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import seaborn under its standard alias
import seaborn as sns

# Apply the Apriori algorithm with a support value of 0.0075
frequent_itemsets = apriori(onehot, min_support = ___, 
                            use_colnames = True, max_len = ____)

# Generate association rules without performing additional pruning
rules = association_rules(____, metric = 'support', 
                          min_threshold = ____)

# Generate scatterplot using support and confidence
sns.scatterplot(x = "support", y = "____", data = ____)
plt.show()
Editează și rulează codul