1. Learn
    2. /
  2. Courses
    3. /
  3. Phân tích giỏ hàng trong Python
Connected

Exercise

Tinh chỉnh sâu hơn với lift

Bạn lại tiếp tục báo cáo kết quả cho thư viện: Hãy dùng Twilight để quảng bá Harry Potter, vì luật này có chỉ số confidence cao hơn. Thư viện cảm ơn gợi ý của bạn, nhưng đề nghị bạn xác nhận đây là một mối quan hệ có ý nghĩa bằng một thước đo khác.

Bạn nhớ rằng lift có thể hữu ích ở đây. Nếu lift nhỏ hơn 1, điều đó có nghĩa là Harry Potter và Twilight đi cùng nhau ít thường xuyên hơn so với kỳ vọng nếu việc ghép cặp xảy ra ngẫu nhiên. Cũng như hai bài tập trước, DataFrame books đã được nhập sẵn cho bạn, cùng với numpy với bí danh np.

Instructions

100 XP
  • Tính support của {Potter, Twilight}.
  • Tính support của {Potter}.
  • Tính support của {Twilight}.
  • Tính lift của {Potter} \(\rightarrow\) {Twilight}.