LoslegenKostenlos loslegen

Support mit Konfidenz verfeinern

Nachdem du deine Ergebnisse aus der vorherigen Übung vorgestellt hast, fragt dich die Bibliothek nach der Richtung der Beziehung. Soll Harry Potter genutzt werden, um Twilight zu bewerben, oder Twilight, um Harry Potter zu bewerben?

Nach einigem Überlegen entscheidest du dich, die Kennzahl Konfidenz zu berechnen, die im Gegensatz zum Support eine Richtung hat. Du berechnest sie für {Potter} \(\rightarrow\) {Twilight} und {Twilight} \(\rightarrow\) {Potter}. Der DataFrame books wurde bereits importiert und enthält je eine Spalte pro Buch: Potter und Twilight.

Diese Übung ist Teil des Kurses

Market Basket Analysis in Python

Kurs anzeigen

Anleitung zur Übung

  • Berechne den Support von {Potter, Twilight}.
  • Berechne den Support von {Potter}.
  • Berechne den Support von {Twilight}.
  • Berechne die Konfidenz von {Potter} \(\rightarrow\) {Twilight} und {Twilight} \(\rightarrow\) {Potter}.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Compute support for Potter and Twilight
supportPT = np.logical_and(____, ____).mean()

# Compute support for Potter
supportP = books['Potter'].____

# Compute support for Twilight
supportT = ____

# Compute confidence for both rules
confidencePT = supportPT / ____
confidenceTP = ____ / supportT

# Print results
print('{0:.2f}, {1:.2f}'.format(confidencePT, confidenceTP))
Code bearbeiten und ausführen