BaşlayınÜcretsiz başlayın

Apriori ile sık öğe kümelerini belirleme

Çevrimiçi perakendeci için yaptığın toplulaştırma egzersizi faydalı oldu. İşlemlerde hangi ürün kategorilerinin sık göründüğünü anlamak için bir başlangıç noktası sundu. Perakendeci şimdi, hangilerinin sık olduğunu bulmak için doğrudan ürünlerin kendilerini incelemek istiyor.

Bu egzersizde, Apriori algoritmasını önce toplulaştırma yapmadan çevrimiçi perakende veri kümesine uygulayacaksın. Amacın, en düşük destek değeri ve maksimum öğe sayısı eşiği kullanarak öğe kümelerini budamak olacak. pandas'ın pd olarak içe aktarıldığını ve one-hot kodlanmış verinin onehot adıyla hazır olduğunu unutma.

Bu egzersiz, kursun bir parçasıdır

Python ile Market Basket Analysis

Kursa Göz Atın

Egzersiz talimatları

  • Apriori algoritmasına onehot'u geçir.
  • En düşük destek değerini 0.006 olarak ayarla.
  • Maksimum öğe kümesi uzunluğunu 3 olarak ayarla.
  • İlk beş öğe kümesinin ön izlemesini yazdır.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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())
Kodu Düzenle ve Çalıştır