开始使用免费开始使用

用散点图进行剪枝

在查看了您上个练习中基于蝙蝠侠的流媒体服务方案后，创始人意识到最初的计划可能过于狭窄。她希望您不要只关注起始片单，而是聚焦于关联规则中的整体模式，然后据此进行剪枝。您的目标是找出一大组强关联。

所幸，您刚学会了如何生成散点图。您决定先绘制支持度与置信度的关系图，因为在许多常见评估指标下，最优规则通常位于置信度-支持度边界附近。已为您导入了一键编码后的数据，可通过 onehot 获取。此外，apriori() 和 association_rules() 已导入，pandas 以 pd 可用。

本练习是课程的一部分

Python 中的购物篮分析

查看课程

练习说明

  • 通过将最小支持度设为 0.0075，且将最大长度设为 2，生成大量由 2 个物品组成的项集。
  • 完成 association_rules() 的语句，避免额外过滤。
  • 完成生成散点图的语句，将 y 变量设为使用 confidence。

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 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()
编辑并运行代码