EmpezarEmpieza gratis

Calcular la convicción

Después de oír hablar de los buenos consejos que diste a la biblioteca, la fundadora de una pequeña start-up de venta de ebooks te contacta para contratar tus servicios. Como prueba de tus habilidades, te pide que calcules la convicción para la regla {Potter} \(\rightarrow\) {Hunger}, para decidir si coloca los libros uno junto al otro en la web de la empresa. Por suerte, aún tienes acceso a los datos de goodreads-10k, disponibles como books. Además, pandas se ha importado como pd y numpy como 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} y asígnalo a supportP.
  • Calcula el soporte de NO {Hunger}.
  • Calcula el soporte de {Potter} y NO {Hunger}.
  • Completa la expresión de la métrica de convicción en la sentencia de retorno.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# 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)
Editar y ejecutar código