Рекомендації книжок за підтримкою
Бібліотека хоче заохотити своїх учасників більше читати й вирішила використати аналіз кошика покупок, щоб з'ясувати як. Вони звернулися до вас із проханням провести аналіз і попросили використати п'ять книжок із найвищими оцінками з набору даних goodbooks-10k, про який ішлося у відео. Ви отримали дані у вигляді one-hot представлення в датафреймі pandas під назвою books.
Кожен стовпець у датафреймі відповідає окремій книжці та має значення TRUE, якщо книжка є у бібліотеці читача й має високу оцінку. Щоб спростити завдання, ми працюватимемо зі скороченими назвами книжок: Hunger, Potter і Twilight.
Ця вправа є частиною курсу
Маркет-баcкет аналіз у Python
Інструкції до вправи
- Обчисліть підтримку для {Hunger, Potter}.
- Обчисліть підтримку для {Hunger, Twilight}.
- Обчисліть підтримку для {Potter, Twilight}.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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)