Výpočet conviction
Poté, co se zakladatelka malého e-knižního startupu doslechla o užitečných radách, které jsi poskytl/a knihovně, obrátila se na tebe s žádostí o konzultaci. Jako test tvých schopností chce vědět, jestli dokážeš vypočítat conviction pro pravidlo {Potter} \(\rightarrow\) {Hunger} – aby se mohla rozhodnout, zda knihy umístit vedle sebe na webu společnosti. Naštěstí máš stále přístup k datům goodreads-10k, která jsou k dispozici jako books. Knihovna pandas je importována jako pd a numpy jako np.
Toto cvičení je součástí kurzu
Market Basket Analysis v Pythonu
Pokyny k cvičení
- Vypočítej podporu (support) pro {Potter} a výsledek ulož do
supportP. - Vypočítej podporu pro NOT {Hunger}.
- Vypočítej podporu pro {Potter} a NOT {Hunger}.
- Dokonči výraz pro metriku conviction v příkazu return.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Compute support for Potter AND Hunger
supportPH = np.logical_and(books['Potter'], books['Hunger']).mean()
# Compute support for Potter
supportP = ____.mean()
# Compute support for NOT Hunger
supportnH = 1.0 - books['____'].mean()
# Compute support for Potter and NOT Hunger
supportPnH = ____ - supportPH
# Compute and print conviction for Potter -> Hunger
conviction = ____ * supportnH / supportPnH
print("Conviction: %.2f" % conviction)