ПочатиПочніть безкоштовно

Обчислення асоціації та дисоціації

Бібліотека знову звернулася до вас щодо вашої рекомендації просувати Harry Potter за допомогою Twilight. Вони хвилюються, що ці дві книжки можуть бути не пов'язані (дисоційовані), що може негативно вплинути на промоцію. Вони просять вас перевірити, що це не так.

Ви одразу згадуєте метрику Чжана, яка безперервно вимірює як асоціацію, так і дисоціацію. Асоціація має додатне значення, дисоціація — від'ємне. Як і в попередніх вправах, для вас імпортовано датафрейм books, а також numpy під псевдонімом np. Метрика Чжана обчислюється так:

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

Ця вправа є частиною курсу

Маркет-баcкет аналіз у Python

Переглянути курс

Інструкції до вправи

  • Обчисліть підтримку {Twilight} і підтримку {Potter}.
  • Обчисліть підтримку {Twilight, Potter}.
  • Завершіть вираз для знаменника.
  • Обчисліть метрику Чжана для {Twilight} \(\rightarrow\) {Potter}.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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)
Редагувати та запускати код