Bắt đầu ngayBắt đầu miễn phí

Tổng hợp và lọc

Trong video, bạn đã giúp quản lý một cửa hàng quà tặng sắp xếp các khu vực trong cửa hàng theo các luật kết hợp. Bố cục cửa hàng buộc chúng ta phải nhóm các khu vực thành hai cặp loại sản phẩm. Sau khi áp dụng các kỹ thuật lọc nâng cao, chúng ta đã đề xuất bố cục sàn như dưới đây.

Hình ảnh hiển thị bố cục cửa hàng đã được chọn trong video.

Giờ đây, quản lý cửa hàng muốn bạn tạo một đề xuất sơ đồ mặt bằng khác, nhưng với tiêu chí khác: mỗi cặp khu vực phải gồm một sản phẩm có hỗ trợ cao và một sản phẩm có hỗ trợ thấp. Dữ liệu aggregated đã được tổng hợp và mã hóa one-hot sẵn cho bạn. Ngoài ra, apriori() và association_rules() đã được nhập từ mlxtend.

Bài tập này là một phần của khóa học

Phân tích giỏ hàng trong Python

Xem khóa học

Hướng dẫn bài tập

  • Tạo tập các itemset phổ biến với ngưỡng hỗ trợ tối thiểu là 0.0001.
  • Xác định tất cả các luật với ngưỡng hỗ trợ tối thiểu 0.0001.
  • Chọn tất cả các luật có antecedent support lớn hơn 0.35.
  • Chọn tất cả các luật có consequent support tối đa nhỏ hơn 0.35.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# Apply the apriori algorithm with a minimum support of 0.0001
frequent_itemsets = apriori(aggregated, ____, use_colnames = True)

# Generate the initial set of rules using a minimum support of 0.0001
rules = association_rules(frequent_itemsets, 
                          metric = "____", min_threshold = ____)

# Set minimum antecedent support to 0.35
rules = rules[____['antecedent support'] > ____]

# Set maximum consequent support to 0.35
rules = rules[____ < 0.35]

# Print the remaining rules
print(rules)
Chỉnh sửa và Chạy Mã