การกรองด้วย support และ conviction
ในวิดีโอ เราได้พูดถึงงานที่ปรึกษาที่คุณทำให้กับผู้ก่อตั้งสตาร์ทอัพขาย e-book อยู่ต่อเนื่อง ผู้ก่อตั้งได้นำ DataFrame ชื่อ rules มาให้คุณ ซึ่งเป็นผลงานของนักวิทยาศาสตร์ข้อมูลที่เคยอยู่ในทีม DataFrame นี้มีคอลัมน์สำหรับ antecedents และ consequents พร้อมกับประสิทธิภาพของแต่ละกฎในแง่ของเมตริกต่างๆ
เป้าหมายคือการกรองหลายเมตริกบนชุดข้อมูลนี้เพื่อระบุกฎที่อาจเป็นประโยชน์ โดย pandas พร้อมใช้งานในชื่อ pd และ numpy ในชื่อ np นอกจากนี้ rules ได้ถูกกำหนดไว้แล้วและพร้อมใช้งาน
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Market Basket Analysis ด้วย Python
คำแนะนำการฝึกหัด
- ใช้เมธอด
.head()ร่วมกับ print เพื่อดูตัวอย่างชุดข้อมูล - เลือกกลุ่มย่อยของ rules ที่มี antecedent support มากกว่า 0.05
- เลือกกลุ่มย่อยของ rules ที่มี consequent support มากกว่า 0.02
- เลือกกลุ่มย่อยของ rules ที่มี conviction มากกว่า 1.01
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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)