Применение правила Чжана
В главе 2 мы узнали, что правило Чжана — это непрерывная мера ассоциации между двумя элементами, принимающая значения в интервале [-1, +1]. Значение -1 означает полностью отрицательную ассоциацию, а значение +1 — полностью положительную. В этом упражнении вы определите, можно ли использовать правило Чжана для уточнения набора правил, которые магазин подарков применяет для продвижения товаров.
Обратите внимание, что частые наборы элементов уже вычислены и доступны как frequent_itemsets. Кроме того, функция zhangs_rule() определена, а association_rules() импортирована из mlxtend. Для начала вы заново вычислите исходный набор правил, а затем применёте метрику Чжана, чтобы отобрать только те правила, которые имеют высокую и положительную ассоциацию.
Это упражнение является частью курса
Анализ рыночных корзин на Python
Инструкции к упражнению
- Сформируйте набор правил ассоциации со значением lift не менее 1,00.
- Установите порог поддержки антецедента равным 0,005.
- Вычислите правило Чжана и запишите результат в столбец
zhangвrules. - Отберите правила, у которых метрика Чжана превышает 0,98.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Generate the initial set of rules using a minimum lift of 1.00
rules = association_rules(frequent_itemsets, metric = "____", min_threshold = ____)
# Set antecedent support to 0.005
rules = rules[rules['____'] > 0.005]
# Set consequent support to 0.005
rules = rules[rules['consequent support'] > 0.005]
# Compute Zhang's rule
rules['zhang'] = ____(____)
# Set the lower bound for Zhang's rule to 0.98
rules = rules[____['zhang'] > 0.98]
print(rules[['antecedents', 'consequents']])