Использование библиотеки mlxtend для создания ассоциативных правил

Аннотация

Цель данного исследования — использование библиотеки mlxtend для создания ассоциативных правил с целью выявления скрытых закономерностей и взаимосвязей между элементами в наборе данных. Работа выполнялась в облачной среде Google Colab с использованием языка Python, что обеспечило удобство и гибкость в проведении экспериментов. Библиотека mlxtend (Machine Learning Extensions) предоставляет широкий набор инструментов для анализа данных и решения задач машинного обучения, включая ансамблирование моделей, выбор признаков, визуализацию результатов и работу с ассоциативными правилами, такими как алгоритм Apriori. Это особенно актуально для задач анализа рыночных корзин и построения рекомендательных систем. Кроме того, mlxtend предлагает инструменты для исследовательской деятельности, такие как анализ графиков обучения и проверка статистических гипотез, что делает её полезной как в академических исследованиях, так и в промышленных приложениях.