リフトでさらに精査する
今回も図書館に結果を報告します：リールの信頼度が高いので、Twilight を使って Harry Potter を推奨しましょう。図書館は提案に感謝しつつも、別の指標を使ってこの関係が本当に意味のあるものか確認してほしいと言っています。
ここではリフトが役立つかもしれないとあなたは思い出します。リフトが 1 未満であれば、Harry Potter と Twilight の組み合わせは、もしランダムに組み合わされた場合に期待される頻度よりも少ないという意味になります。前の2つの演習と同様に、DataFrame books はすでにインポートされており、numpy は np という別名で読み込まれています。
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
演習の手順
- {Potter, Twilight} のサポートを計算します。
- {Potter} のサポートを計算します。
- {Twilight} のサポートを計算します。
- {Potter} \(\rightarrow\) {Twilight} のリフトを計算します。
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 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)