НачатьНачать бесплатно

Тепловые карты с lift

Основательнице сервиса понравилась тепловая карта, которую вы построили для её стримингового сервиса. Однако после дальнейшего обсуждения проекта вы решаете, что перед окончательным выбором фильмов для лицензирования важно изучить и другие метрики. В частности, основательница предлагает выбрать метрику, которая покажет, превышают ли значения поддержки ожидаемый уровень с учётом индивидуальных значений поддержки каждого фильма.

Вы вспоминаете, что lift хорошо справляется с этой задачей, и решаете использовать именно его. Также вы помните, что для lift существует важный порог — 1,0, поэтому решаете убрать цветовую шкалу и добавить аннотации: так будет легче определить, превышает ли значение порог 1,0. Правила из предыдущего упражнения доступны вам как rules.

Это упражнение является частью курса

Анализ рыночных корзин на Python

Посмотреть курс

Инструкции к упражнению

  • Импортируйте seaborn под его стандартным псевдонимом.
  • Преобразуйте DataFrame с правилами в матрицу, используя метрику lift.
  • Постройте тепловую карту с включёнными аннотациями и отключённой цветовой шкалой.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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()
Редактировать и запускать код