EmpezarEmpieza gratis

Recomendar libros con soporte

Una biblioteca quiere que sus socios lean más y ha decidido usar análisis de cesta de la compra para averiguar cómo conseguirlo. Te piden que hagas el análisis y que utilices los cinco libros mejor valorados del conjunto de datos goodbooks-10k, presentado en el vídeo. Recibes los datos en formato one-hot en un DataFrame de pandas llamado books.

Cada columna del DataFrame corresponde a un libro y tiene el valor TRUE si el libro está en la biblioteca de un lector y tiene una valoración alta. Para simplificar, usaremos nombres abreviados de libros: Hunger, Potter y Twilight.

Este ejercicio forma parte del curso

Análisis de cesta de la compra en Python

Ver curso

Instrucciones del ejercicio

  • Calcula el soporte de {Hunger, Potter}.
  • Calcula el soporte de {Hunger, Twilight}.
  • Calcula el soporte de {Potter, Twilight}.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Compute support for Hunger and Potter
supportHP = np.logical_and(books['Hunger'], books['____']).mean()

# Compute support for Hunger and Twilight
supportHT = ____(books['Hunger'], books['Twilight']).mean()

# Compute support for Potter and Twilight
supportPT = np.logical_and(books['Potter'], books['Twilight']).____

# Print support values
print("Hunger Games and Harry Potter: %.2f" % supportHP)
print("Hunger Games and Twilight: %.2f" % supportHT)
print("Harry Potter and Twilight: %.2f" % supportPT)
Editar y ejecutar código