Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lära Challenge: FP-growth Implementation | Mining Frequent Itemsets
Association Rule Mining
course content

Kursinnehåll

Association Rule Mining

Association Rule Mining

1. Introduction to Association Rule Mining
2. Mining Frequent Itemsets
3. Additional Applications of ARM

book
Challenge: FP-growth Implementation

Uppgift

Swipe to start coding

FP-growth algorithm can be easily implemented using the mlxtend library.
You need to use fpgrowth(encoded_data, min_support) function to get frequent itemsets on the generated dataset. Use 0.05 as a minimum support value.

Note

Pay attention that we have to one-hot-encode the transaction dataset to use the FP-growth algorithm in this task.

Lösning

Switch to desktopByt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan
Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 2. Kapitel 6
toggle bottom row

book
Challenge: FP-growth Implementation

Uppgift

Swipe to start coding

FP-growth algorithm can be easily implemented using the mlxtend library.
You need to use fpgrowth(encoded_data, min_support) function to get frequent itemsets on the generated dataset. Use 0.05 as a minimum support value.

Note

Pay attention that we have to one-hot-encode the transaction dataset to use the FP-growth algorithm in this task.

Lösning

Switch to desktopByt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan
Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 2. Kapitel 6
Switch to desktopByt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan
Vi beklagar att något gick fel. Vad hände?
some-alt