Desteğe göre kitap önermek
Bir kütüphane, üyelerin daha fazla okumasını istiyor ve bunun için ne yapabileceklerini anlamak üzere market sepeti analizini kullanmaya karar verdi. Analizi yapman için sana başvuruyorlar ve videoda tanıtılan goodbooks-10k veri kümesindeki en yüksek puanlı beş kitabı kullanmanı istiyorlar. Veriler, books adlı bir pandas DataFrame'inde one-hot kodlanmış biçimde veriliyor.
DataFrame'deki her sütun bir kitaba karşılık gelir ve bir okuyucunun kütüphanesinde o kitap varsa ve yüksek puan verdiyse değeri TRUE olur. İşleri basitleştirmek için kısaltılmış kitap adlarıyla çalışacağız: Hunger, Potter ve Twilight.
Bu egzersiz, kursun bir parçasıdır
Python ile Market Basket Analysis
Egzersiz talimatları
- {Hunger, Potter} için desteği hesapla.
- {Hunger, Twilight} için desteği hesapla.
- {Potter, Twilight} için desteği hesapla.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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)