Support के साथ किताबें रिकमेंड करना
एक लाइब्रेरी चाहती है कि सदस्य अधिक पढ़ें और उसने यह समझने के लिए मार्केट बास्केट एनालिसिस का उपयोग करने का निर्णय लिया है कि कैसे. वे आपसे यह विश्लेषण कराने के लिए संपर्क करते हैं और कहते हैं कि आप वीडियो में प्रस्तुत goodbooks-10k डेटासेट से पाँच सबसे उच्च-रेटेड किताबों का उपयोग करें. आपको डेटा one-hot encoded फ़ॉर्मेट में books नाम के pandas DataFrame में दिया गया है.
DataFrame की हर कॉलम एक किताब को दर्शाती है और उसका मान TRUE होता है अगर वह किताब किसी रीडर की लाइब्रेरी में शामिल है और उसे उच्च रेटिंग मिली है. चीजों को आसान बनाने के लिए, हम छोटी किताबों के नामों के साथ काम करेंगे: Hunger, Potter, और Twilight.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Market Basket Analysis
अभ्यास निर्देश
- {Hunger, Potter} के लिए support निकालें.
- {Hunger, Twilight} के लिए support निकालें.
- {Potter, Twilight} के लिए support निकालें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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)