เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ค้นหา Frequent Itemset ด้วย Apriori

แบบฝึกหัดการรวมกลุ่ม (aggregation) ที่ทำสำหรับร้านค้าปลีกออนไลน์นั้นมีประโยชน์มาก ช่วยให้เห็นภาพเบื้องต้นว่าหมวดหมู่สินค้าใดปรากฏในรายการธุรกรรมบ่อยที่สุด ตอนนี้ผู้ค้าปลีกต้องการศึกษาสินค้าแต่ละรายการเพื่อหาว่ารายการใดมีความถี่สูง

ในแบบฝึกหัดนี้ จะนำอัลกอริทึม Apriori มาใช้กับชุดข้อมูลร้านค้าปลีกออนไลน์โดยไม่ผ่านการรวมกลุ่มก่อน โดยมีเป้าหมายเพื่อตัดทอน (prune) itemset ด้วยค่า support ขั้นต่ำและจำนวนสินค้าสูงสุดต่อ itemset ทั้งนี้ได้นำเข้า pandas ในชื่อ pd แล้ว และข้อมูลที่เข้ารหัสแบบ one-hot พร้อมใช้งานในตัวแปร onehot

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Market Basket Analysis ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ส่ง onehot ไปยังอัลกอริทึม Apriori
  • กำหนดค่า support ขั้นต่ำเป็น 0.006
  • กำหนดความยาวสูงสุดของ itemset เป็น 3
  • แสดงตัวอย่าง 5 itemset แรก

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import apriori from mlxtend
from mlxtend.frequent_patterns import apriori

# Compute frequent itemsets using the Apriori algorithm
frequent_itemsets = apriori(____, 
                            ____ = ____, 
                            max_len = ____, 
                            use_colnames = True)

# Print a preview of the frequent itemsets
print(____.head())
แก้ไขและรันโค้ด