LoslegenKostenlos loslegen

Conviction mit einer Funktion berechnen

Nach dem erfolgreichen Abschluss ihres Pilotprojekts beschließt die Gründerin des E‑Book‑Start-ups, dich für ein deutlich größeres Projekt zu engagieren. Sie fragt dich, ob du die Conviction für jedes Buchpaar im goodreads-10k‑Datensatz berechnen kannst, damit sie entscheiden kann, welche Bücher auf der Website näher beieinander platziert werden sollen.

Du nimmst den Auftrag an, merkst aber, dass du eine effizientere Methode brauchst, um die Conviction zu berechnen, da du sie sehr oft berechnen musst. Du entscheidest dich, eine Funktion zu schreiben, die sie berechnet. Sie nimmt zwei Spalten eines pandas DataFrames als Eingabe – ein Antezedens und ein Konsequens – und gibt die Conviction‑Metrik aus. Beachte, dass pandas als pd und numpy als np verfügbar ist.

Diese Übung ist Teil des Kurses

Market Basket Analysis in Python

Kurs anzeigen

Anleitung zur Übung

  • Berechne den Support für das Antezedens und weise ihn supportA zu.
  • Berechne den Support für NICHT Konsequens.
  • Berechne den Support für Antezedens und NICHT Konsequens.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

def conviction(antecedent, consequent):
	# Compute support for antecedent AND consequent
	supportAC = np.logical_and(antecedent, consequent).mean()

	# Compute support for antecedent
	supportA = ____.____()

	# Compute support for NOT consequent
	supportnC = 1.0 - ____.____()

	# Compute support for antecedent and NOT consequent
	supportAnC = ____ - supportAC

    # Return conviction
	return supportA * supportnC / supportAnC
Code bearbeiten und ausführen