始める無料で始める

サポートを使った書籍のレコメンド

図書館は会員にもっと読書してもらうため、Market Basket Analysis を使うことにしました。あなたは分析を依頼され、ビデオで紹介した goodbooks-10k データセットの中から、評価が最も高い5冊を使うよう求められました。データはワンホットエンコード済みで、pandas の DataFrame books として与えられます。

DataFrame の各列は1冊の本に対応し、その本が読者のライブラリに含まれ、かつ高評価であれば値は TRUE です。ここでは簡単のため、本の名前を短縮して Hunger、Potter、Twilight を使います。

この演習はコースの一部です

Python で学ぶマーケットバスケット分析

コースを見る

演習の手順

  • {Hunger, Potter} のサポートを計算します。
  • {Hunger, Twilight} のサポートを計算します。
  • {Potter, Twilight} のサポートを計算します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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)
コードを編集して実行