शुरू करेंमुफ़्त में शुरू करें

Lift के साथ और परिष्करण

एक बार फिर, आप अपनी रिपोर्ट लाइब्रेरी को देते हैं: Twilight का उपयोग Harry Potter को प्रमोट करने के लिए करें, क्योंकि उस rule का confidence metric ज़्यादा है. लाइब्रेरी आपके सुझाव के लिए धन्यवाद देती है, लेकिन आपसे कहती है कि किसी दूसरे metric से भी यह पक्का करें कि यह संबंध वाकई मायने रखता है.

आपको याद आता है कि यहाँ lift काम आ सकता है. अगर lift 1 से कम हो, तो इसका मतलब है कि Harry Potter और Twilight साथ में उतनी बार नहीं आते जितनी उम्मीद होती अगर जोड़ी बनना पूरी तरह रैंडम होता. पहले दो अभ्यासों की तरह, DataFrame books आपके लिए इम्पोर्ट किया गया है, और numpy भी np उपनाम के साथ उपलब्ध है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Market Basket Analysis

पाठ्यक्रम देखें

अभ्यास निर्देश

  • {Potter, Twilight} का support निकालें.
  • {Potter} का support निकालें.
  • {Twilight} का support निकालें.
  • {Potter} \(\rightarrow\) {Twilight} का lift निकालें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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)
कोड संपादित करें और चलाएँ