Tính liên kết và phản liên kết
Thư viện một lần nữa quay lại với bạn về khuyến nghị quảng bá Harry Potter bằng Twilight. Họ lo rằng hai tựa này có thể phản liên kết với nhau, điều này có thể ảnh hưởng tiêu cực đến chiến dịch quảng bá. Họ nhờ bạn xác minh rằng điều đó không xảy ra.
Bạn ngay lập tức nghĩ đến chỉ số Zhang, thước đo liên tục cho cả liên kết và phản liên kết. Liên kết có giá trị dương và phản liên kết có giá trị âm. Như ở các bài tập trước, DataFrame books đã được nhập sẵn cho bạn, cùng với numpy được đặt bí danh là np. Chỉ số Zhang được tính như sau:
$$Zhang(A \rightarrow B) = $$ $$\frac{Support(A \& B) - Support(A) Support(B)}{ max[Support(AB) (1-Support(A)), Support(A)(Support(B)-Support(AB))]}$$
Bài tập này là một phần của khóa học
Phân tích giỏ hàng trong Python
Hướng dẫn bài tập
- Tính support của {Twilight} và support của {Potter}.
- Tính support của {Twilight, Potter}.
- Hoàn thiện biểu thức cho mẫu số.
- Tính chỉ số Zhang cho {Twilight} \(\rightarrow\) {Potter}.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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)