Conviction ile e-kitapları öne çıkarma
Önceki egzersizde conviction hesaplamak için bir fonksiyon tanımlamıştık. Bu fonksiyonu goodreads-10k veri kümesindeki tüm iki kitaplık permütasyonlara uygulamamız istenmişti. Bu egzersizde, fonksiyonu daha önceki egzersizlerde kullandığımız en popüler üç kitaba uygulayarak test edeceğiz: The Hunger Games, Harry Potter ve Twilight.
Fonksiyon senin için conviction adıyla tanımlandı. İki argüman alır: bir öncül (antecedent) ve bir sonuç (consequent). Ayrıca, önceki egzersizlerdeki books DataFrame'inin sütunları üç ayrı DataFrame olarak hazır: potter, twilight ve hunger.
Bu egzersiz, kursun bir parçasıdır
Python ile Market Basket Analysis
Egzersiz talimatları
- {Twilight} \(\rightarrow\) {Potter} ve {Potter} \(\rightarrow\) {Twilight} için conviction hesapla.
- {Twilight} \(\rightarrow\) {Hunger} ve {Hunger} \(\rightarrow\) {Twilight} için conviction hesapla.
- {Potter} \(\rightarrow\) {Hunger} ve {Hunger} \(\rightarrow\) {Potter} için conviction hesapla.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Compute conviction for twilight -> potter and potter -> twilight
convictionTP = conviction(twilight, potter)
convictionPT = conviction(____, twilight)
# Compute conviction for twilight -> hunger and hunger -> twilight
convictionTH = conviction(____, ____)
convictionHT = ____(hunger, twilight)
# Compute conviction for potter -> hunger and hunger -> potter
convictionPH = ____(potter, hunger)
convictionHP = ____
# Print results
print('Harry Potter -> Twilight: ', convictionHT)
print('Twilight -> Potter: ', convictionTP)