تکلیف کلاسی ماشین لرنینگ با استفاده از الگوریتم Apriori

تکلیف کلاسی: در این پوشه یک فایل feather mb.feather با 500000 رکورد پیدا خواهید کرد. (ممکن است لازم باشد یک کتابخانه دیگر هم با pip install pyarrow برای بارگذاری آن نصب کنید) فایل فیچر شامل خریدهای انجام شده توسط مشتریان است. هر خرید یک BillNo منحصر به فرد دارد  (a string). BillNo مخفف خرید است، یعنی یک سبد خرید. علاوه بر اقلام، تعداد، قیمت، مشتری و کشور نیز مشخص شده است. هر یک از دانشجویان مسئول یک بخش داده است: انگلستان: خریدهای بزرگ (20 کالا یا بیشتر) انگلستان: اندازه خرید معمولی (کمتر از 20 مورد) آلمان فرانسه اروپای جنوبی: ایتالیا، اسپانیا، پرتغال، یونان، مالت انگلستان: مشتریان عمده (مجموع مقادیر به ازای هر مشتری عمده بریتانیا را تعیین کنید. همه مشتریانی که خریدی را در 10 درصد برتر انجام می دهند) انگلستان: مشتریان دائمی (آن دسته از مشتریانی که از نظر تعداد خرید در 10 درصد برتر قرار می گیرند) انگلستان کامل «بقیه اروپا»: همه کشورهای اروپایی که تا اینجا ذکر نشده است\*\*\* ====> {{قسمت مربوط به من}} دسته بندی تجزیه و تحلیل مربوط به خود را انتخاب کنید ، داده ها را بر اساس آن بارگیری و فیلتر کنید، و یک تجزیه و تحلیل و آنالیز کامل بر روی داده هایی که انتخاب کرده اید اجرا کنید. ـ توجه: (در هر قسمت فقط به تجزیه و تحلیل های درست و کامل نمره تعلق میگیرد و کد به تنهایی نمره ندارد!) اطلاعات زیر مورد نیاز است: درک، تجسم و پاکسازی داده ها:- قانون 80-20 را تا آنجا که برای درک اولیه و تضمین کیفیت اساسی لازم است دنبال کنید، اما نه بیشتر، تا زمان کافی برای تجزیه و تحلیل سبد بازار وجود داشته باشد.- به طور خاص  و تخصصی تجزیه و تحلیل کنید: آیا ارزش در ستون قیمت نشان دهنده قیمت واحد است یا قیمت کل (= قیمت واحد ضربدر مقدار) تحلیل سبد بازار:- مرتبط ترین یافته ها را برای بخش بازاریابی و فروش خود تعیین کنید- Relevant به این معنی است که شما می توانید انتظار تأثیر متناظر بر فروش را داشته باشید، بنابراین فقط حمایت و اطمینان نیست که مهم است، بلکه قیمت و کمیت نیز مهم است؟- در طول کلاس ما قیمت و مقدار را وزن نکردیم، بنابراین لطفاً خودتان تحقیق کنید که چه ایده هایی برای این کار وجود دارد- برای این بخش "توصیه های مکتوب" ارائه کنیدراهنمایی:  لطفاً در هر بلوک کد کامنت بنویسید و آنالیز و طرز فکر خود را توضیح دهید. درک شما از کار و نتایج میانی ارزیابی خواهد شد، نه کد.هر تحلیل باید به عنوان یک کار فردی در نظر گرفته شود. اگر بلوک های کد مشابه در نوت بوک ها یافت شوند، 0 امتیاز به این بخش ها تعلق می گیرد.برای این مثال شما حداکثر 30 امتیاز دریافت می کنید.===============================================>> آنچه شما را در انجام این پروژه کمک خواهد کرد: آنچه در لینک زیر خواهید یافت https://databasecamp.de/en/ml/apriori-algorithm و  همچنین فایل های apriori\_algo.ipynb, apriori\_algo\_executed.ipynb, groceries.csv میتوانند برای ایده گرفتن در حل مسئله به کار گرفته شوند.