Menghitung conviction
Setelah mendengar saran bermanfaat yang Anda berikan kepada perpustakaan, pendiri sebuah startup penjual ebook kecil menghubungi Anda untuk layanan konsultasi. Sebagai uji kemampuan, ia menanyakan apakah Anda dapat menghitung conviction untuk aturan {Potter} \(\rightarrow\) {Hunger}, sehingga ia dapat memutuskan apakah buku-buku tersebut perlu ditampilkan berdekatan di situs web perusahaannya. Untungnya, Anda masih memiliki akses ke data goodreads-10k yang tersedia sebagai books. Selain itu, pandas telah diimpor sebagai pd dan numpy sebagai np.
Latihan ini merupakan bagian dari kursus
Analisis Market Basket dengan Python
Instruksi latihan
- Hitung support untuk {Potter} dan simpan ke
supportP. - Hitung support untuk BUKAN {Hunger}.
- Hitung support untuk {Potter} dan BUKAN {Hunger}.
- Lengkapi ekspresi untuk metrik conviction pada pernyataan return.
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# 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)