EmpezarEmpieza gratis

Afinar el soporte con la confianza

Tras presentar tus conclusiones del ejercicio anterior, la biblioteca te pregunta por la dirección de la relación. ¿Deberían usar Harry Potter para promocionar Twilight o Twilight para promocionar Harry Potter?

Después de pensarlo, decides calcular la métrica de confianza, que sí tiene dirección, a diferencia del soporte. La calcularás para {Potter} \(\rightarrow\) {Twilight} y {Twilight} \(\rightarrow\) {Potter}. Ya se ha importado el DataFrame books, que tiene una columna por cada libro: 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 {Potter, Twilight}.
  • Calcula el soporte de {Potter}.
  • Calcula el soporte de {Twilight}.
  • Calcula la confianza de {Potter} \(\rightarrow\) {Twilight} y de {Twilight} \(\rightarrow\) {Potter}.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# 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))
Editar y ejecutar código