BaşlayınÜcretsiz başlayın

Destek-güven sınırının optimalitesi

Önceki egzersizde üretilen saçılım grafiğiyle kurucuya geri dönüyor ve budamayı kullanarak destek-güven sınırını elde etmeni isteyip istemediğini soruyorsun. Bayardo-Agrawal sonucundan bahsediyorsun, ancak kurucu şüpheci davranıyor ve bunu bir örnekle gösterebilir misin diye soruyor.

Saçılım grafiklerinde noktaların boyutunun üçüncü bir metrikle ölçeklenebildiğini hatırlayarak, bunu destek-güven sınırının optimalitesini göstermek için kullanmaya karar veriyorsun. Bunu, nokta boyutunu Bayardo-Agrawal'ın uyguladığı metriklerden biri olan lift metriğiyle ölçekleyerek göstereceksin. Tek-sıcak kodlanmış veriler senin için içe aktarıldı ve onehot olarak hazır. Ayrıca apriori() ve association_rules() içe aktarıldı ve pandas da pd olarak kullanılabilir.

Bu egzersiz, kursun bir parçasıdır

Python ile Market Basket Analysis

Kursa Göz Atın

Egzersiz talimatları

  • Apriori algoritmasını onehot DataFrame'ine uygula.
  • Birliktelik kurallarını support metriği ve minimum 0.0 eşik değeriyle hesapla.
  • Saçılım grafiği ifadesini, nokta boyutu lift ile ölçeklenecek şekilde tamamla.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Import seaborn under its standard alias
import seaborn as sns

# Apply the Apriori algorithm with a support value of 0.0075
frequent_itemsets = ____(____, min_support = 0.0075, 
                         use_colnames = True, max_len = 2)

# Generate association rules without performing additional pruning
rules = ____(frequent_itemsets, metric = "support", 
                          min_threshold = ____)

# Generate scatterplot using support and confidence
sns.scatterplot(x = "support", y = "confidence", 
                size = "____", data = rules)
plt.show()
Kodu Düzenle ve Çalıştır