Beräkna conviction
Efter att du gett biblioteket värdefulla råd kontaktar grundaren av ett litet e-boksföretag dig för konsulttjänster. Som ett test av dina kunskaper ber hon dig beräkna conviction för regeln {Potter} \(\rightarrow\) {Hunger}, så att hon kan avgöra om böckerna ska placeras bredvid varandra på företagets webbplats. Du har tur – du har fortfarande tillgång till goodreads-10k-data, som finns tillgänglig som books. Dessutom har pandas importerats som pd och numpy som np.
Den här övningen är en del av kursen
Marknadskorgsanalys i Python
Övningsinstruktioner
- Beräkna support för {Potter} och tilldela värdet till
supportP. - Beräkna support för NOT {Hunger}.
- Beräkna support för {Potter} och NOT {Hunger}.
- Fyll i uttrycket för conviction-måttet i return-satsen.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Compute support for Potter AND Hunger
supportPH = np.logical_and(books['Potter'], books['Hunger']).mean()
# Compute support for Potter
supportP = ____.mean()
# Compute support for NOT Hunger
supportnH = 1.0 - books['____'].mean()
# Compute support for Potter and NOT Hunger
supportPnH = ____ - supportPH
# Compute and print conviction for Potter -> Hunger
conviction = ____ * supportnH / supportPnH
print("Conviction: %.2f" % conviction)