НачатьНачать бесплатно

Поиск частых наборов элементов с помощью Apriori

Упражнение по агрегации, которое вы выполнили для интернет-магазина, оказалось полезным: оно дало отправную точку для понимания того, какие категории товаров чаще всего встречаются в транзакциях. Теперь ритейлер хочет изучить отдельные товары, чтобы выяснить, какие из них являются частыми.

В этом упражнении вы применяете алгоритм Apriori к данным интернет-магазина без предварительной агрегации. Ваша задача — выполнить отсечение наборов элементов, используя минимальное значение поддержки и максимальное допустимое количество элементов в наборе. Обратите внимание, что pandas импортирован как pd, а данные в формате унитарного кодирования доступны в переменной onehot.

Это упражнение является частью курса

Анализ рыночных корзин на Python

Посмотреть курс

Инструкции к упражнению

  • Передайте onehot в алгоритм Apriori.
  • Установите минимальное значение поддержки равным 0,006.
  • Установите максимальную длину набора элементов равной 3.
  • Выведите предварительный просмотр первых пяти наборов элементов.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Import apriori from mlxtend
from mlxtend.frequent_patterns import apriori

# Compute frequent itemsets using the Apriori algorithm
frequent_itemsets = apriori(____, 
                            ____ = ____, 
                            max_len = ____, 
                            use_colnames = True)

# Print a preview of the frequent itemsets
print(____.head())
Редактировать и запускать код