BaşlayınÜcretsiz başlayın

İlişki ve ilişkisizliği hesaplama

Kütüphane, Twilight kullanarak Harry Potter'ı öne çıkarma önerinle ilgili yine sana döndü. İkisi arasında ilişkisizlik olabileceğinden, bunun da tanıtım çabalarını olumsuz etkileyebileceğinden endişeliler. Bunun böyle olmadığını doğrulamanı istiyorlar.

Aklına hemen, ilişkiyi ve ilişkisizliği sürekli bir ölçekte veren Zhang ölçütü geliyor. İlişki pozitif, ilişkisizlik negatiftir. Önceki egzersizlerde olduğu gibi, books DataFrame'i ile takma ad olarak np ile içe aktarılan numpy senin için hazır. Zhang ölçütü şöyle hesaplanır:

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

Bu egzersiz, kursun bir parçasıdır

Python ile Market Basket Analysis

Kursa Göz Atın

Egzersiz talimatları

  • {Twilight}'ın ve {Potter}'ın desteğini hesapla.
  • {Twilight, Potter}'ın desteğini hesapla.
  • Payda ifadesini tamamla.
  • {Twilight} \(\rightarrow\) {Potter} için Zhang ölçütünü hesapla.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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)
Kodu Düzenle ve Çalıştır