Cắt tỉa với biểu đồ phân tán
Sau khi xem đề xuất dịch vụ streaming lấy cảm hứng từ Batman ở bài trước, nhà sáng lập nhận ra kế hoạch ban đầu của mình có thể hơi hẹp. Thay vì tập trung vào các tựa phim ban đầu, cô ấy yêu cầu bạn tập trung vào các khuôn mẫu chung trong các luật kết hợp rồi tiến hành cắt tỉa tương ứng. Mục tiêu của bạn là xác định một tập lớn các liên kết mạnh.
May mắn là bạn vừa học cách vẽ biểu đồ phân tán. Bạn quyết định bắt đầu bằng cách vẽ support và confidence, vì theo nhiều thước đo phổ biến, các luật tối ưu đều nằm trên biên confidence–support. Dữ liệu one-hot đã được nhập sẵn và có sẵn dưới tên onehot. Ngoài ra, apriori() và association_rules() đã được nhập, và pandas có sẵn dưới tên pd.
Bài tập này là một phần của khóa học
Phân tích giỏ hàng trong Python
Hướng dẫn bài tập
- Tạo số lượng lớn các tập mục gồm 2 phần tử bằng cách đặt
minimum supportlà 0.0075 và đặt độ dài tối đa (max_len) là 2. - Hoàn thiện lệnh gọi
association_rules()theo cách không áp dụng thêm bộ lọc nào. - Hoàn thiện lệnh tạo biểu đồ phân tán, đặt biến
ydùngconfidence.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Import seaborn under its standard alias
import seaborn as sns
# Apply the Apriori algorithm with a support value of 0.0075
frequent_itemsets = apriori(onehot, min_support = ___,
use_colnames = True, max_len = ____)
# Generate association rules without performing additional pruning
rules = association_rules(____, metric = 'support',
min_threshold = ____)
# Generate scatterplot using support and confidence
sns.scatterplot(x = "support", y = "____", data = ____)
plt.show()