Uzupełnianie wsparcia o ufność
Po przedstawieniu wyników z poprzedniego ćwiczenia biblioteka pyta cię o kierunek zależności. Czy powinni używać Harry'ego Pottera do promowania Zmierzchu, czy Zmierzchu do promowania Harry'ego Pottera?
Po zastanowieniu się postanawiasz obliczyć metrykę ufności, która – w odróżnieniu od wsparcia – uwzględnia kierunek. Obliczysz ją dla obu reguł: {Potter} \(\rightarrow\) {Twilight} oraz {Twilight} \(\rightarrow\) {Potter}. DataFrame books został już zaimportowany – zawiera po jednej kolumnie dla każdej książki: Potter i Twilight.
To ćwiczenie jest częścią kursu
Analiza koszyka zakupowego w Pythonie
Instrukcje do ćwiczenia
- Oblicz wsparcie dla {Potter, Twilight}.
- Oblicz wsparcie dla {Potter}.
- Oblicz wsparcie dla {Twilight}.
- Oblicz ufność reguły {Potter} \(\rightarrow\) {Twilight} oraz {Twilight} \(\rightarrow\) {Potter}.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Compute support for Potter and Twilight
supportPT = np.logical_and(____, ____).mean()
# Compute support for Potter
supportP = books['Potter'].____
# Compute support for Twilight
supportT = ____
# Compute confidence for both rules
confidencePT = supportPT / ____
confidenceTP = ____ / supportT
# Print results
print('{0:.2f}, {1:.2f}'.format(confidencePT, confidenceTP))