Conviction hesaplama
Kütüphaneye verdiğin faydalı tavsiyeleri duyan küçük bir e-kitap satış girişiminin kurucusu, senden danışmanlık istiyor. Yeteneklerini test etmek için, şirketin web sitesinde kitapları yan yana yerleştirmeye karar verebilmesi adına {Potter} \(\rightarrow\) {Hunger} kuralı için conviction hesaplayıp hesaplayamayacağını soruyor. Neyse ki hâlâ books olarak sunulan goodreads-10k verilerine erişimin var. Ayrıca, pandas pd olarak ve numpy np olarak içe aktarılmış durumda.
Bu egzersiz, kursun bir parçasıdır
Python ile Market Basket Analysis
Egzersiz talimatları
- {Potter} için desteği hesapla ve
supportPdeğişkenine ata. - NOT {Hunger} için desteği hesapla.
- {Potter} ve NOT {Hunger} için desteği hesapla.
- Dönüş ifadesindeki conviction metriği için verilen ifadeyi tamamla.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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)