生成关联规则
在上一节的最后一个练习中，您使用 Apriori 算法为创意礼品店店主计算了频繁项集。您告诉店主：将 support 从 0.005 放宽到 0.003，项集数量从 9 增加到 91；再次放宽到 0.001，数量增加到 429。店经理对您完成的描述性分析很满意，现在请您从之前计算出的两组频繁项集中识别一些关联规则。
注意，pandas 已按 pd 导入，且两组频繁项集已分别存为 frequent_itemset_1 和 frequent_itemset_2。您的目标是确定可以从这些项集中挖掘出哪些关联规则。
本练习是课程的一部分
Python 中的购物篮分析
练习说明
- 从
mlxtend中导入可根据apriori结果计算关联规则的算法。 - 使用
support作为度量、阈值为 0.0015，完成对frequent_itemsets_1计算关联规则的语句。 - 使用
support作为度量、阈值为 0.0015，完成对frequent_itemsets_2计算关联规则的语句。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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))