Začněte nyníZačněte zdarma

Propagace e-knih pomocí conviction

V předchozím cvičení jsme definovali funkci pro výpočet conviction a měli jsme ji aplikovat na všechny dvouknižní permutace datasetu goodreads-10k. V tomto cvičení funkci otestujeme na třech nejpopulárnějších knihách, které jsme použili v dřívějších cvičeních: The Hunger Games, Harry Potter a Twilight.

Funkce je již definována a dostupná jako conviction. Připomeňme, že přijímá antecedens a konsekvent jako dva argumenty. Sloupce DataFramu books z dřívějších cvičení jsou navíc dostupné jako tři samostatné DataFramy: potter, twilight a hunger.

Toto cvičení je součástí kurzu

Market Basket Analysis v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Vypočítej conviction pro {Twilight} \(\rightarrow\) {Potter} a {Potter} \(\rightarrow\) {Twilight}.
  • Vypočítej conviction pro {Twilight} \(\rightarrow\) {Hunger} a {Hunger} \(\rightarrow\) {Twilight}.
  • Vypočítej conviction pro {Potter} \(\rightarrow\) {Hunger} a {Hunger} \(\rightarrow\) {Potter}.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Compute conviction for twilight -> potter and potter -> twilight
convictionTP = conviction(twilight, potter)
convictionPT = conviction(____, twilight)

# Compute conviction for twilight -> hunger and hunger -> twilight
convictionTH = conviction(____, ____)
convictionHT = ____(hunger, twilight)

# Compute conviction for potter -> hunger and hunger -> potter
convictionPH = ____(potter, hunger)
convictionHP = ____

# Print results
print('Harry Potter -> Twilight: ', convictionHT)
print('Twilight -> Potter: ', convictionTP)
Upravit a spustit kód