Další zpřesnění pomocí liftu
Opět sdělíš výsledky knihovně: pro propagaci Harry Pottera použij Soumrak, protože toto pravidlo má vyšší hodnotu metriky spolehlivosti. Knihovna ti za návrh poděkuje, ale požádá tě, abys smysluplnost tohoto vztahu ověřil/a ještě pomocí jiné metriky.
Vzpomeneš si, že se k tomu hodí lift. Pokud je lift menší než 1, znamená to, že Harry Potter a Soumrak se vyskytují společně méně často, než bychom čekali při náhodném párování. Stejně jako v předchozích dvou cvičeních je DataFrame books již naimportován, stejně jako numpy pod aliasem np.
Toto cvičení je součástí kurzu
Market Basket Analysis v Pythonu
Pokyny k cvičení
- Vypočítej podporu pro {Potter, Twilight}.
- Vypočítej podporu pro {Potter}.
- Vypočítej podporu pro {Twilight}.
- Vypočítej lift pro {Potter} \(\rightarrow\) {Twilight}.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Compute support for Potter and Twilight
supportPT = ____.mean()
# Compute support for Potter
supportP = books['Potter'].____
# Compute support for Twilight
supportT = ____.mean()
# Compute lift
lift = ____ / (supportP * ____)
# Print lift
print("Lift: %.2f" % lift)