НачатьНачать бесплатно

Рекомендация книг с помощью поддержки

Библиотека хочет привлечь читателей к чтению большего количества книг и решила использовать анализ рыночных корзин для достижения этой цели. Вас просят провести анализ на основе пяти книг с наивысшим рейтингом из набора данных goodbooks-10k, который был представлен в видео. Данные предоставлены в формате унитарного кодирования в виде pandas DataFrame с именем books.

Каждый столбец DataFrame соответствует отдельной книге и принимает значение TRUE, если книга есть в библиотеке читателя и получила высокую оценку. Для удобства будем использовать сокращённые названия книг: Hunger, Potter и Twilight.

Это упражнение является частью курса

Анализ рыночных корзин на Python

Посмотреть курс

Инструкции к упражнению

  • Вычислите поддержку для {Hunger, Potter}.
  • Вычислите поддержку для {Hunger, Twilight}.
  • Вычислите поддержку для {Potter, Twilight}.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Compute support for Hunger and Potter
supportHP = np.logical_and(books['Hunger'], books['____']).mean()

# Compute support for Hunger and Twilight
supportHT = ____(books['Hunger'], books['Twilight']).mean()

# Compute support for Potter and Twilight
supportPT = np.logical_and(books['Potter'], books['Twilight']).____

# Print support values
print("Hunger Games and Harry Potter: %.2f" % supportHP)
print("Hunger Games and Twilight: %.2f" % supportHT)
print("Harry Potter and Twilight: %.2f" % supportPT)
Редактировать и запускать код