始める無料で始める

convictionを計算する

図書館への有益な助言が評判となり、小さな電子書籍販売スタートアップの創業者からコンサルティングの依頼が来ました。あなたの実力を試すために、ウェブサイト上で本を並べて表示すべきか判断できるよう、規則 {Potter} \(\rightarrow\) {Hunger} のconvictionを計算できるかどうか尋ねられました。幸い、books として利用可能な goodreads-10k データにまだアクセスできます。さらに、pandas は pd、numpy は np としてインポート済みです。

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

  • {Potter} のサポートを計算し、supportP に代入します。
  • NOT {Hunger} のサポートを計算します。
  • {Potter} かつ NOT {Hunger} のサポートを計算します。
  • return 文で、conviction 指標の式を完成させます。

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 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)
コードを編集して実行