BaşlayınÜcretsiz başlayın

İşlem verisini one-hot kodlama

Bu kurs boyunca, market sepeti analizi için kullanılacak verileri ön işlemek üzere ortak bir işlem hattı kullanacağız. İlk adım, bir pandas DataFrame'ini içe aktarmak ve işlemleri (transactions) içeren sütunu seçmek. Bu sütundaki her işlem, virgülle ayrılmış bir dizi üründen oluşan bir metin (string) olacaktır. Sonraki adım ise her işlem metnini bir listeye ayırmak için bir lambda fonksiyonu kullanmak ve böylece sütunu listelerin bir listesine dönüştürmektir.

Bu egzersizde, sana transactions olarak sunulan market veri kümesinden gelen listelerin listesiyle başlayacaksın. Daha sonra transactions'ı one-hot kodlanmış bir DataFrame'e dönüştüreceksin; burada her sütun, bir ürünün bir işlemde yer alıp almadığını belirten TRUE ve FALSE değerlerinden oluşur.

Bu egzersiz, kursun bir parçasıdır

Python ile Market Basket Analysis

Kursa Göz Atın

Egzersiz talimatları

  • mlxtend.preprocessing içinden TransactionEncoder'ı içe aktar
  • Bir işlem kodlayıcı (transaction encoder) oluştur ve transactions içindeki benzersiz ürünleri belirle.
  • transactions'ı bir dizide one-hot kodla ve değerlerini onehot değişkenine ata.
  • Diziyi, öğe adlarını sütun başlıkları olarak kullanarak bir pandas DataFrame'ine dönüştür.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Import the transaction encoder function from mlxtend
from ____.____ import ____
import pandas as pd

# Instantiate transaction encoder and identify unique items in transactions
encoder = TransactionEncoder().____(____)

# One-hot encode transactions
onehot = encoder.____(transactions)

# Convert one-hot encoded data to DataFrame
onehot = pd.DataFrame(____, columns = encoder.columns_)

# Print the one-hot encoded transaction dataset
print(onehot)
Kodu Düzenle ve Çalıştır