Gợi ý sách dựa trên support
Một thư viện muốn khuyến khích hội viên đọc nhiều hơn và quyết định dùng phân tích giỏ hàng (market basket analysis) để tìm cách. Họ nhờ bạn thực hiện phân tích và yêu cầu dùng năm cuốn sách được đánh giá cao nhất từ bộ dữ liệu goodbooks-10k (đã được giới thiệu trong video). Dữ liệu được cung cấp ở dạng one-hot trong một pandas DataFrame tên là books.
Mỗi cột trong DataFrame tương ứng với một cuốn sách và có giá trị TRUE nếu cuốn sách có trong thư viện của người đọc và được đánh giá cao. Để đơn giản, ta sẽ dùng tên rút gọn cho sách: Hunger, Potter, và Twilight.
Bài tập này là một phần của khóa học
Phân tích giỏ hàng trong Python
Hướng dẫn bài tập
- Tính support cho {Hunger, Potter}.
- Tính support cho {Hunger, Twilight}.
- Tính support cho {Potter, Twilight}.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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)