support로 도서 추천하기
한 도서관이 회원들의 독서를 늘리고자 market basket analysis를 활용하기로 했어요. 분석을 위해 비디오에서 소개한 goodbooks-10k 데이터셋의 평점이 가장 높은 5권을 사용해 달라고 의뢰했습니다. 데이터는 원-핫 인코딩된 형식으로 pandas DataFrame인 books에 주어졌어요.
DataFrame의 각 열은 한 권의 책에 해당하며, 독자의 서재에 그 책이 있고 평점이 높으면 값이 TRUE예요. 단순화를 위해 줄인 책 이름 Hunger, Potter, Twilight로 작업하겠습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 Market Basket Analysis
연습 안내
- {Hunger, Potter}의 support를 계산하세요.
- {Hunger, Twilight}의 support를 계산하세요.
- {Potter, Twilight}의 support를 계산하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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)