ПочатиПочніть безкоштовно

Визначення частих наборів товарів за Apriori

Агрегація, яку ви виконали для онлайн‑ритейлера, виявилася корисною. Вона дала відправну точку для розуміння, які категорії товарів часто трапляються в транзакціях. Тепер ритейлер хоче розглянути окремі товари, щоб з'ясувати, які з них є частими.

У цій вправі ви застосуєте алгоритм Apriori до набору даних інтернет‑роздрібної торгівлі без попередньої агрегації. Ваше завдання — обрізати (prune) набори товарів, використовуючи мінімальне значення підтримки та обмеження на максимальну кількість товарів у наборі. Зауважте, що pandas імпортовано як pd, а дані з one-hot кодуванням доступні як onehot.

Ця вправа є частиною курсу

Маркет-баcкет аналіз у Python

Переглянути курс

Інструкції до вправи

  • Передайте onehot до алгоритму Apriori.
  • Встановіть мінімальну підтримку 0.006.
  • Встановіть максимальну довжину набору товарів 3.
  • Виведіть короткий перегляд перших п'яти наборів.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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())
Редагувати та запускати код