शुरू करेंमुफ़्त में शुरू करें

एसोसिएशन और डिसोसिएशन की गणना

लाइब्रेरी ने फिर से आपके उस सुझाव पर संपर्क किया है जिसमें आपने Harry Potter को Twilight के साथ प्रमोट करने की सिफारिश की थी. उन्हें चिंता है कि दोनों एक-दूसरे से असंबद्ध (dissociated) हो सकते हैं, जिससे उनकी प्रोमोशनल कोशिश पर नकारात्मक असर पड़ सकता है. वे आपसे यह सत्यापित करने को कहते हैं कि ऐसा नहीं है.

आपको तुरंत Zhang का मेट्रिक याद आता है, जो एसोसिएशन और डिसोसिएशन को सतत पैमाने पर मापता है. एसोसिएशन पॉज़िटिव होता है और डिसोसिएशन नेगेटिव. पहले वाले अभ्यासों की तरह, आपके लिए DataFrame books इम्पोर्ट किया गया है, और numpy को np उपनाम के साथ लाया गया है. Zhang का मेट्रिक इस प्रकार निकाला जाता है:

$$Zhang(A \rightarrow B) = $$ $$\frac{Support(A \& B) - Support(A) Support(B)}{ max[Support(AB) (1-Support(A)), Support(A)(Support(B)-Support(AB))]}$$

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Market Basket Analysis

पाठ्यक्रम देखें

अभ्यास निर्देश

  • {Twilight} का सपोर्ट और {Potter} का सपोर्ट निकालें.
  • {Twilight, Potter} का सपोर्ट निकालें.
  • हर (denominator) के लिए अभिव्यक्ति पूरी करें.
  • {Twilight} \(\rightarrow\) {Potter} के लिए Zhang का मेट्रिक निकालें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Compute the support of Twilight and Harry Potter
supportT = books['Twilight'].____
supportP = books['Potter'].____

# Compute the support of both books
supportTP = ____.mean()

# Complete the expressions for the numerator and denominator
numerator = supportTP - supportT*supportP
denominator = ___(supportTP*(1-supportT), supportT*(supportP-supportTP))

# Compute and print Zhang's metric
zhang = ____ / ____
print(zhang)
कोड संपादित करें और चलाएँ