Вычисление ассоциации и диссоциации
Библиотека снова обратилась к вам по поводу вашей рекомендации продвигать Гарри Поттера вместе с Сумерками. Сотрудники опасаются, что эти две книги могут быть диссоциированы, что негативно скажется на их рекламной кампании. Они просят вас убедиться, что это не так.
Вы сразу вспоминаете о метрике Чжана, которая непрерывно измеряет ассоциацию и диссоциацию. Положительное значение означает ассоциацию, отрицательное — диссоциацию. Как и в предыдущих упражнениях, DataFrame books уже импортирован, а также библиотека numpy под псевдонимом np. Метрика Чжана вычисляется по следующей формуле:
$$Zhang(A \rightarrow B) = $$ $$\frac{Support(A \& B) - Support(A) Support(B)}{ max[Support(AB) (1-Support(A)), Support(A)(Support(B)-Support(AB))]}$$
Это упражнение является частью курса
Анализ рыночных корзин на Python
Инструкции к упражнению
- Вычислите поддержку {Twilight} и поддержку {Potter}.
- Вычислите поддержку {Twilight, Potter}.
- Завершите выражение для знаменателя.
- Вычислите метрику Чжана для {Twilight} \(\rightarrow\) {Potter}.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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)