แนะนำหนังสือด้วย support
ห้องสมุดแห่งหนึ่งต้องการกระตุ้นให้สมาชิกอ่านหนังสือมากขึ้น จึงตัดสินใจนำ market basket analysis มาใช้วิเคราะห์ โดยขอให้คุณทำการวิเคราะห์โดยใช้หนังสือที่ได้รับคะแนนนิยมสูงสุด 5 อันดับจากชุดข้อมูล goodbooks-10k ซึ่งได้แนะนำไปในวิดีโอแล้ว ข้อมูลที่ได้รับอยู่ในรูปแบบ one-hot encoded เก็บอยู่ใน pandas DataFrame ชื่อ books
แต่ละคอลัมน์ใน DataFrame แทนหนังสือหนึ่งเล่ม และมีค่าเป็น TRUE หากหนังสือเล่มนั้นอยู่ในคลังของผู้อ่านและได้รับการให้คะแนนสูง เพื่อความสะดวก จะใช้ชื่อย่อของหนังสือ ได้แก่ Hunger, Potter และ Twilight
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Market Basket Analysis ด้วย Python
คำแนะนำการฝึกหัด
- คำนวณ support สำหรับ {Hunger, Potter}
- คำนวณ support สำหรับ {Hunger, Twilight}
- คำนวณ support สำหรับ {Potter, Twilight}
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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)