İlişkilendirme kuralları oluşturma
Önceki bölümün son egzersizinde, Apriori algoritmasını kullanarak hediyelik eşya dükkânı sahibi için öğe kümelerini hesapladın. Destek değerini 0.005'ten 0.003'e gevşetmenin öğe kümesi sayısını 9'dan 91'e çıkardığını söyledin. Bunu tekrar 0.001'e düşürmek sayıyı 429'a çıkardı. Yaptığın betimleyici çalışmadan memnun olan mağaza müdürü, hesapladığın bu iki sık öğe kümesi setinden bazı ilişkilendirme kurallarını belirlemeni istiyor.
pandas senin için pd olarak içe aktarıldı ve iki sık öğe kümesi frequent_itemset_1 ve frequent_itemset_2 olarak hazır. Amacın, bu öğe kümelerinden hangi ilişkilendirme kurallarının çıkarılabileceğini belirlemek.
Bu egzersiz, kursun bir parçasıdır
Python ile Market Basket Analysis
Egzersiz talimatları
apriorialgoritması sonuçlarından ilişkilendirme kuralları çıkaran algoritmayımlxtendiçinden içe aktar.frequent_itemsets_1için support metriğini ve 0.0015 eşik değerini kullanarak ilişkilendirme kurallarını hesaplayacak ifadeyi tamamla.frequent_itemsets_2için support metriğini ve 0.0015 eşik değerini kullanarak ilişkilendirme kurallarını hesaplayacak ifadeyi tamamla.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Import the association rule function from mlxtend
from mlxtend.____ import ____
# Compute all association rules for frequent_itemsets_1
rules_1 = association_rules(frequent_itemsets_1,
metric = "____",
min_threshold = ____)
# Compute all association rules for frequent_itemsets_2
rules_2 = association_rules(frequent_itemsets_2,
metric = ____,
____)
# Print the number of association rules generated
print(len(rules_1), len(rules_2))