Filtrering med support och conviction
I videon diskuterade vi det pågående konsultarbete du utför åt grundaren av en startup inom e-boksförsäljning. Grundaren har kommit till dig med DataFramen rules, som innehåller arbete från en datavetare som tidigare var anställd. Den innehåller kolumner för antecedenter och konsekvent, samt prestanda för var och en av dessa regler med avseende på ett antal mätvärden.
Ditt mål är att utföra filtrering baserad på flera mätvärden för att identifiera potentiellt användbara regler. Observera att pandas finns tillgängligt som pd och numpy som np. Dessutom är rules definierad och tillgänglig.
Den här övningen är en del av kursen
Marknadskorgsanalys i Python
Övningsinstruktioner
- Använd metoden
.head()tillsammans med print för att förhandsgranska datamängden. - Välj ut de regler där antecedent support är större än 0,05.
- Välj ut de regler där consequent support är större än 0,02.
- Välj ut de regler där conviction är större än 1,01.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Preview the rules DataFrame using the .head() method
print(____)
# Select the subset of rules with antecedent support greater than 0.05
rules = rules[rules['antecedent support'] > ____]
# Select the subset of rules with a consequent support greater than 0.02
rules = rules[____]
# Select the subset of rules with a conviction greater than 1.01
rules = ____
# Print remaining rules
print(rules)