可视化项集支持度
一家内容流媒体初创公司邀请您提供咨询服务。为了降低版权费用，他们希望构建一个面向同一受众的精简电影库。虽然相较行业巨头，他们的内容选择更少，但也能提供更低的订阅价格。
您决定在该项目中使用 MovieLens 数据和热力图。基于支持度的简单热力图可以帮助您找出与其他片名共同出现支持度较高的单个片名。独热编码后的数据已作为 DataFrame onehot 提供。此外，pandas 已以 pd 导入，seaborn 以 sns 导入，apriori() 和 association_rules() 也都已导入。
本练习是课程的一部分
Python 中的购物篮分析
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Compute frequent itemsets using a minimum support of 0.07
frequent_itemsets = apriori(onehot, min_support = ____,
use_colnames = True, max_len = 2)
# Compute the association rules
rules = association_rules(____, metric = 'support',
min_threshold = 0.0)