LoslegenKostenlos loslegen

Conviction berechnen

Nachdem sich herumgesprochen hat, wie hilfreich dein Rat für die Bibliothek war, kommt die Gründerin eines kleinen E‑Book‑Start-ups auf dich zu und fragt nach Beratung. Als Test deiner Fähigkeiten bittet sie dich, die Conviction für die Regel {Potter} \(\rightarrow\) {Hunger} zu berechnen, damit sie entscheiden kann, ob die Bücher auf der Website des Unternehmens nebeneinander platziert werden sollen. Zum Glück hast du weiterhin Zugriff auf die goodreads-10k-Daten, verfügbar als books. Außerdem wurden pandas als pd und numpy als np importiert.

Diese Übung ist Teil des Kurses

Market Basket Analysis in Python

Kurs anzeigen

Anleitung zur Übung

  • Berechne den Support für {Potter} und weise ihn supportP zu.
  • Berechne den Support für NICHT {Hunger}.
  • Berechne den Support für {Potter} und NICHT {Hunger}.
  • Vervollständige den Ausdruck für die Conviction-Metrik in der Return-Anweisung.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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)
Code bearbeiten und ausführen