35. 购物数据关联规则分析#

35.1. 知识点#

  • 数据集制作

  • 数据预处理

  • Apriori 算法的应用

  • 关联规则的生成

35.2. 挑战介绍#

挑战给出一个超市购物数据集,里面包含了 7500 条数据,每条数据为单个购物车数据。数据下载地址为:

wget -nc https://cdn.huhuhang.com/hands-on-ai/files/shopping_data.csv

35.3. 挑战内容#

Exercise 35.1

挑战将使用 Apriori 算法对数据集进行关联规则分析,请找出符合最小支持度阈值为 0.05 的频繁项集,并计算出最小置信度阈值为 0.2 的关联规则。

挑战开始之前,你需要先打开终端,执行以下步骤安装 mlxtend 机器学习算法库。

pip install mlxtend

35.4. 挑战要求#

  1. 需要将代码保存到 Code 文件夹中,并以 association.py 命名。

  2. 你需要将代码写在 def rule() 中,不能修改函数名。

  3. 挑战需要依次返回频繁项集和关联规则对应的 DataFrame。

  4. 测试时,需要使用 python 运行 association.py,避免出现无相应模块的情况。

35.5. 示例代码#

def rule():
    
    ### 补充代码 ###
    
    return frequent_itemsets, association_rules # 返回频繁项集和关联规则对应的 DataFrame

特别注意:不能修改 rule() 函数名,且不能rule() 中添加参数。否则系统将无法正确评判结果。