Генерування правил асоціацій
У фінальній вправі попереднього розділу ви обчислили набори товарів для власника магазину подарунків за допомогою алгоритму Apriori. Ви повідомили власнику, що послаблення порогу support з 0.005 до 0.003 збільшило кількість наборів з 9 до 91. Подальше зниження до 0.001 збільшило кількість до 429. Задоволений вашою описовою роботою, менеджер магазину просить вас визначити кілька правил асоціацій з тих двох наборів частих наборів товарів, які ви обчислили.
Зверніть увагу, що pandas уже імпортовано як pd, а два набори частих елементів доступні як frequent_itemset_1 і frequent_itemset_2. Ваше завдання — з'ясувати, які правила асоціацій можна отримати з цих наборів.
Ця вправа є частиною курсу
Маркет-баcкет аналіз у Python
Інструкції до вправи
- Імпортуйте з
mlxtendалгоритм, який обчислює правила асоціацій з результатів алгоритмуapriori. - Завершіть інструкцію для обчислення правил асоціацій для
frequent_itemsets_1, використовуючи метрику support і поріг 0.0015. - Завершіть інструкцію для обчислення правил асоціацій для
frequent_itemsets_2, використовуючи метрику support і поріг 0.0015.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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))