शुरू करेंमुफ़्त में शुरू करें

Conviction की गणना

लाइब्रेरी के लिए दिए गए आपके उपयोगी सुझावों के बारे में सुनने के बाद, एक छोटे ebook बेचने वाले स्टार्टअप की फ़ाउंडर आपसे कंसल्टिंग चाहती हैं। आपकी क्षमता जाँचने के लिए, वे पूछती हैं कि क्या आप नियम {Potter} \(\rightarrow\) {Hunger} के लिए conviction निकाल सकते हैं, ताकि वह तय कर सकें कि कंपनी की वेबसाइट पर इन किताबों को एक-दूसरे के पास दिखाया जाए या नहीं। सौभाग्य से, आपके पास अब भी goodreads-10k डेटा की पहुँच है, जो books के रूप में उपलब्ध है। साथ ही, pandas को pd और numpy को np के रूप में इम्पोर्ट किया गया है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Market Basket Analysis

पाठ्यक्रम देखें

अभ्यास निर्देश

  • {Potter} का support निकालें और उसे supportP में असाइन करें.
  • NOT {Hunger} का support निकालें.
  • {Potter} और NOT {Hunger} का support निकालें.
  • return स्टेटमेंट में conviction मीट्रिक के एक्सप्रेशन को पूरा करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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)
कोड संपादित करें और चलाएँ