함수로 conviction 계산하기
시험 프로젝트를 성공적으로 마친 뒤, 이북 스타트업의 창업자는 더 큰 프로젝트로 당신을 고용하기로 합니다. 그녀는 goodreads-10k 데이터셋에서 모든 도서 쌍에 대한 conviction을 계산할 수 있는지 묻습니다. 이 정보를 활용해 웹사이트에서 어떤 책들을 더 가깝게 배치할지 결정하려는 것이죠.
당신은 일을 맡기로 하되, 같은 계산을 여러 번 수행해야 하므로 conviction을 더 효율적으로 계산할 방법이 필요하다는 것을 깨닫습니다. 그래서 conviction을 계산하는 함수를 작성하기로 합니다. 이 함수는 pandas DataFrame의 두 열(하나는 선행 항목, 하나는 결과 항목)을 입력으로 받아 conviction 지표를 출력합니다. pandas는 pd, numpy는 np로 이미 제공됩니다.
이 연습은 강의의 일부입니다
Python으로 배우는 Market Basket Analysis
연습 안내
- 선행 항목의 support를 계산해
supportA에 할당하세요. - 결과 항목의 NOT에 대한 support를 계산하세요.
- 선행 항목 AND 결과 항목의 NOT에 대한 support를 계산하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
def conviction(antecedent, consequent):
# Compute support for antecedent AND consequent
supportAC = np.logical_and(antecedent, consequent).mean()
# Compute support for antecedent
supportA = ____.____()
# Compute support for NOT consequent
supportnC = 1.0 - ____.____()
# Compute support for antecedent and NOT consequent
supportAnC = ____ - supportAC
# Return conviction
return supportA * supportnC / supportAnC