การแสดงภาพค่า Support ของ Itemset
สตาร์ทอัพด้านการสตรีมเนื้อหาแห่งหนึ่งได้ติดต่อขอรับคำปรึกษาจากคุณ เพื่อควบคุมค่าลิขสิทธิ์ให้อยู่ในระดับต่ำ พวกเขาต้องการสร้างคลังภาพยนตร์ขนาดเล็กที่ดึงดูดกลุ่มผู้ชมกลุ่มเดียวกัน แม้จะมีเนื้อหาให้เลือกน้อยกว่าคู่แข่งรายใหญ่ในอุตสาหกรรม แต่ก็สามารถเสนอค่าสมาชิกในราคาที่ต่ำกว่าได้
คุณตัดสินใจใช้ข้อมูล MovieLens และ heatmap สำหรับโปรเจกต์นี้ การใช้ heatmap แบบอิงค่า support จะช่วยระบุชื่อภาพยนตร์แต่ละเรื่องที่มีค่า support สูงร่วมกับเรื่องอื่น ๆ ข้อมูลที่เข้ารหัสแบบ one-hot พร้อมใช้งานในชื่อ DataFrame onehot นอกจากนี้ยังมี pandas ในชื่อ pd, seaborn ในชื่อ sns และได้นำเข้า apriori() และ association_rules() แล้วทั้งคู่
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Market Basket Analysis ด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Compute frequent itemsets using a minimum support of 0.07
frequent_itemsets = apriori(onehot, min_support = ____,
use_colnames = True, max_len = 2)
# Compute the association rules
rules = association_rules(____, metric = 'support',
min_threshold = 0.0)