Застосування правила Чжана
У розділі 2 ми дізналися, що правило Чжана — це неперервна міра асоціації між двома товарами, яка набуває значень у проміжку [-1,+1]. Значення -1 означає ідеально негативну асоціацію, а +1 — ідеально позитивну. У цій вправі ви визначите, чи можна використати правило Чжана, щоб уточнити набір правил, який магазин подарунків наразі застосовує для просування товарів.
Зауважте, що часті набори елементів уже обчислено і їх доступно як frequent_itemsets. Крім того, zhangs_rule() визначено, а association_rules() імпортовано з mlxtend. Ви почнете з повторного обчислення початкового набору правил. Після цього ви застосуєте метрику Чжана, щоб вибрати лише ті правила, які мають високу та позитивну асоціацію.
Ця вправа є частиною курсу
Маркет-баcкет аналіз у Python
Інструкції до вправи
- Згенеруйте набір правил асоціації зі значенням lift щонайменше 1.00.
- Встановіть поріг підтримки антецедента на 0,005.
- Обчисліть правило Чжана та запишіть результат у стовпець
zhangуrules. - Виберіть правила, для яких метрика Чжана більша за 0,98.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Generate the initial set of rules using a minimum lift of 1.00
rules = association_rules(frequent_itemsets, metric = "____", min_threshold = ____)
# Set antecedent support to 0.005
rules = rules[rules['____'] > 0.005]
# Set consequent support to 0.005
rules = rules[rules['consequent support'] > 0.005]
# Compute Zhang's rule
rules['zhang'] = ____(____)
# Set the lower bound for Zhang's rule to 0.98
rules = rules[____['zhang'] > 0.98]
print(rules[['antecedents', 'consequents']])