Kom igångKom igång gratis

Tillämpa Zhangs regel

I kapitel 2 lärde vi oss att Zhangs regel är ett kontinuerligt mått på associationen mellan två varor, med värden i intervallet [-1, +1]. Värdet -1 innebär en helt negativ association och värdet +1 innebär en helt positiv association. I den här övningen ska du undersöka om Zhangs regel kan användas för att förfina en regelsamling som en presentbutik för närvarande använder för produktpromotion.

Observera att de frekventa varukorgsuppsättningarna redan har beräknats och finns tillgängliga som frequent_itemsets. Dessutom har zhangs_rule() definierats och association_rules() importerats från mlxtend. Du börjar med att beräkna om den ursprungliga regelsamlingen och tillämpar sedan Zhangs mått för att välja ut enbart de regler som har en hög och positiv association.

Den här övningen är en del av kursen

Marknadskorgsanalys i Python

Visa kurs

Övningsinstruktioner

  • Generera regelsamlingen med associationsregler som har ett lyftvärde på minst 1,00.
  • Sätt stödtröskeln för antecedenten till 0,005.
  • Beräkna Zhangs regel och tilldela resultatet till kolumnen zhang i rules.
  • Välj ut de regler som har ett Zhangs-mått som är större än 0,98.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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']])
Redigera och kör kod