ÎncepețiÎncepe gratuit

Calcularea asocierii și disocierii

Biblioteca te-a contactat din nou în legătură cu recomandarea ta de a promova Harry Potter alături de Twilight. Sunt îngrijorați că cele două ar putea fi disociate, ceea ce ar putea afecta negativ efortul promoțional. Te roagă să verifici că nu este cazul.

Te gândești imediat la metrica Zhang, care măsoară asocierea și disocierea în mod continuu. Asocierea este pozitivă, iar disocierea este negativă. Ca și în exercițiile anterioare, DataFrame-ul books a fost importat pentru tine, împreună cu numpy sub aliasul np. Metrica Zhang se calculează astfel:

$$Zhang(A \rightarrow B) = $$ $$\frac{Support(A \& B) - Support(A) Support(B)}{ max[Support(AB) (1-Support(A)), Support(A)(Support(B)-Support(AB))]}$$

Acest exercițiu face parte din cursul

Analiza coșului de cumpărături în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Calculează suportul pentru {Twilight} și suportul pentru {Potter}.
  • Calculează suportul pentru {Twilight, Potter}.
  • Completează expresia pentru numitor.
  • Calculează metrica Zhang pentru {Twilight} \(\rightarrow\) {Potter}.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Compute the support of Twilight and Harry Potter
supportT = books['Twilight'].____
supportP = books['Potter'].____

# Compute the support of both books
supportTP = ____.mean()

# Complete the expressions for the numerator and denominator
numerator = supportTP - supportT*supportP
denominator = ___(supportTP*(1-supportT), supportT*(supportP-supportTP))

# Compute and print Zhang's metric
zhang = ____ / ____
print(zhang)
Editează și rulează codul