Parallella koordinater

Marknadskorgsanalys i Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Vad är ett diagram med parallella koordinater?

Diagrammet visar ett exempel på ett diagram med parallella koordinater med MovieLens-datamängden.

När används diagram med parallella koordinater?

Parallella koordinater vs. heatmap.
- Intensitetsinformation behövs inte.
- Du vill bara veta om en regel finns.
- Du vill minska visuellt brus.

Parallella koordinater vs. spridningsdiagram.
- Du vill se information om enskilda regler.
- Flera mätvärden är inte intressanta.
- Du vill bara granska de slutliga reglerna.

Förbereda data

from mlxtend.frequent_patterns import association_rules, apriori

# Load the one-hot encoded data
onehot = pd.read_csv('datasets/movies_onehot.csv')

# Generate frequent itemsets
frequent_itemsets = apriori(onehot, min_support = 0.10, use_colnames = True, max_len = 2)

# Generate association rules
rules = association_rules(frequent_itemsets, metric = 'support', min_threshold = 0.00)

Konvertera regler till koordinater

# Convert rules to coordinates.
rules['antecedent'] = rules['antecedents'].apply(lambda antecedent: list(antecedent)[0])
rules['consequent'] = rules['consequents'].apply(lambda consequent: list(consequent)[0])
rules['rule'] = rules.index

# Define coordinates and label
coords = rules[['antecedent','consequent','rule']]

# Print example
print(coords.head(1))

                antecedent        consequent  rule
0  Dark Knight, The (2008)  Inception (2010)     0

Skapa ett diagram med parallella koordinater

from pandas.plotting import parallel_coordinates

# Generate parallel coordinates plot
parallel_coordinates(coords, 'rule', colormap = 'ocean')

Skapa ett diagram med parallella koordinater

Figuren visar ett diagram med parallella koordinater baserat på MovieLens-datamängden.

Förfina ett diagram med parallella koordinater

# Generate frequent itemsets
frequent_itemsets = apriori(onehot, min_support = 0.01, use_colnames = True, max_len = 2)

# Generate association rules
rules = association_rules(frequent_itemsets, metric = 'lift', min_threshold = 1.00)

# Generate coordinates and print example
coords = rules_to_coordinates(rules)

# Generate parallel coordinates plot
parallel_coordinates(coords, 'rule')

Förfina ett diagram med parallella koordinater

Figuren visar ett diagram med parallella koordinater baserat på MovieLens-datamängden.

Nu kör vi en övning!

Marknadskorgsanalys i Python