產生關聯規則
在上一節的最後一個練習中，你已用 Apriori 演算法為新奇禮品店的老闆計算了項目集。你告訴店主，將 support 從 0.005 放寬到 0.003，項目集數量從 9 增加到 91；再放寬到 0.001，數量增加到 429。對你完成的描述性分析感到滿意後，店長請你從你計算出的兩組頻繁項目集中找出一些關聯規則。
注意：已為你將 pandas 以 pd 匯入，兩組頻繁項目集分別為 frequent_itemset_1 和 frequent_itemset_2。你的目標是判斷可以從這些項目集中擷取出哪些關聯規則。
本練習屬於課程
Python 的 Market Basket Analysis
練習說明
- 從
mlxtend匯入可根據apriori結果計算關聯規則的演算法。 - 完成程式，使用 support 指標與 0.0015 的門檻，為
frequent_itemsets_1計算關聯規則。 - 完成程式，使用 support 指標與 0.0015 的門檻，為
frequent_itemsets_2計算關聯規則。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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))