应用 Zhang 指标
在第 2 章中，我们学习了 Zhang 指标是一种连续的二项关联度量，取值范围为 [-1, +1]。-1 表示完全负相关，+1 表示完全正相关。在本练习中，您将判断 Zhang 指标能否用于优化一家礼品店当前用于促销的规则集合。
注意，频繁项集已为您计算好，并以 frequent_itemsets 提供。另外，zhangs_rule() 已定义，且已从 mlxtend 导入了 association_rules()。您将先重新计算原始规则集。随后，将应用 Zhang 指标，仅选择那些具有较强正相关的规则。
本练习是课程的一部分
Python 中的购物篮分析
练习说明
- 生成提升度（lift）至少为 1.00 的关联规则集。
- 将前件支持度阈值设为 0.005。
- 计算 Zhang 指标，并将结果赋给
rules中名为zhang的列。 - 选择 Zhang 指标大于 0.98 的规则。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Generate the initial set of rules using a minimum lift of 1.00
rules = association_rules(frequent_itemsets, metric = "____", min_threshold = ____)
# Set antecedent support to 0.005
rules = rules[rules['____'] > 0.005]
# Set consequent support to 0.005
rules = rules[rules['consequent support'] > 0.005]
# Compute Zhang's rule
rules['zhang'] = ____(____)
# Set the lower bound for Zhang's rule to 0.98
rules = rules[____['zhang'] > 0.98]
print(rules[['antecedents', 'consequents']])