Генерация правил ассоциации
В последнем упражнении предыдущего раздела вы вычисляли наборы элементов для владельца магазина сувениров с помощью алгоритма Apriori. Вы сообщили владельцу, что снижение порога поддержки с 0,005 до 0,003 увеличило количество наборов с 9 до 91, а дальнейшее снижение до 0,001 — до 429. Довольный проделанной аналитической работой, менеджер магазина просит вас извлечь правила ассоциации из этих двух наборов частых наборов элементов.
Обратите внимание, что библиотека pandas уже импортирована как pd, а два набора частых элементов доступны как frequent_itemset_1 и frequent_itemset_2. Ваша задача — определить, какие правила ассоциации можно извлечь из этих наборов.
Это упражнение является частью курса
Анализ рыночных корзин на Python
Инструкции к упражнению
- Импортируйте из
mlxtendалгоритм, который вычисляет правила ассоциации на основе результатов алгоритмаapriori. - Дополните код для вычисления правил ассоциации для
frequent_itemsets_1, используя метрику поддержки и пороговое значение 0.0015. - Дополните код для вычисления правил ассоциации для
frequent_itemsets_2, используя метрику поддержки и пороговое значение 0.0015.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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))