เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การประยุกต์ใช้กฎของ Zhang

ในบทที่ 2 เราได้เรียนรู้ว่ากฎของ Zhang เป็นตัววัดความสัมพันธ์แบบต่อเนื่องระหว่างสองรายการ โดยมีค่าอยู่ในช่วง [-1, +1] ค่า -1 หมายถึงความสัมพันธ์เชิงลบสมบูรณ์ และค่า +1 หมายถึงความสัมพันธ์เชิงบวกสมบูรณ์ ในแบบฝึกหัดนี้ คุณจะตรวจสอบว่ากฎของ Zhang สามารถนำมาปรับปรุงชุดกฎที่ร้านของขวัญใช้อยู่สำหรับการโปรโมตสินค้าได้หรือไม่

ชุดไอเทมที่พบบ่อยได้ถูกคำนวณไว้ให้แล้วและพร้อมใช้งานในชื่อ frequent_itemsets นอกจากนี้ zhangs_rule() ได้ถูกกำหนดไว้แล้ว และ association_rules() ได้ถูกนำเข้าจาก mlxtend แล้ว เริ่มต้นด้วยการคำนวณชุดกฎเดิมใหม่อีกครั้ง จากนั้นใช้เมตริกของ Zhang เพื่อเลือกเฉพาะกฎที่มีความสัมพันธ์เชิงบวกสูงเท่านั้น

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Market Basket Analysis ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้างชุดกฎความสัมพันธ์ที่มีค่า lift อย่างน้อย 1.00
  • กำหนดเกณฑ์ antecedent support ที่ 0.005
  • คำนวณกฎของ Zhang และกำหนดผลลัพธ์ให้กับคอลัมน์ zhang ใน rules
  • เลือกกฎที่มีค่าเมตริกของ Zhang มากกว่า 0.98

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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']])
แก้ไขและรันโค้ด