Conviction 계산하기
도서관에 제공한 유용한 조언을 전해 들은 한 소규모 전자책 판매 스타트업의 창업자가 컨설팅을 의뢰했어요. 실력을 확인하기 위해, 회사 웹사이트에서 책을 나란히 배치할지 결정할 수 있도록 규칙 {Potter} \(\rightarrow\) {Hunger} 의 conviction을 계산할 수 있는지 물어왔습니다. 다행히도 books라는 이름으로 제공되는 goodreads-10k 데이터를 여전히 사용할 수 있어요. 또한 pandas는 pd로, numpy는 np로 임포트되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 Market Basket Analysis
연습 안내
- {Potter} 의 지지도를 계산해
supportP에 할당하세요. - NOT {Hunger} 의 지지도를 계산하세요.
- {Potter} 그리고 NOT {Hunger} 의 지지도를 계산하세요.
- return 구문의 conviction 식을 완성하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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)