EmpezarEmpieza gratis

Afinando aún más con lift

Una vez más, informas de tus resultados a la biblioteca: usa Twilight para promocionar Harry Potter, ya que la regla tiene una métrica de confianza más alta. La biblioteca te agradece la sugerencia, pero te pide que confirmes que esta relación es significativa usando otra métrica.

Recuerdas que el lift puede ser útil aquí. Si el lift es menor que 1, significa que Harry Potter y Twilight aparecen juntos con menos frecuencia de la que esperaríamos si los emparejamientos ocurrieran por azar. Como en los dos ejercicios anteriores, el DataFrame books ya se ha importado por ti, junto con numpy con el alias np.

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 el lift de {Potter} \(\rightarrow\) {Twilight}.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

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

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

# Compute support for Twilight
supportT = ____.mean()

# Compute lift
lift = ____ / (supportP * ____)

# Print lift
print("Lift: %.2f" % lift)
Editar y ejecutar código