Tính conviction
Sau khi nghe về những tư vấn hữu ích bạn đã đưa ra cho thư viện, nhà sáng lập của một start-up bán ebook nhỏ tìm đến bạn để thuê tư vấn. Để thử khả năng của bạn, cô ấy hỏi liệu bạn có thể tính conviction cho luật {Potter} \(\rightarrow\) {Hunger} hay không, để cô ấy quyết định có nên đặt các cuốn sách cạnh nhau trên website của công ty. May mắn là bạn vẫn có quyền truy cập dữ liệu goodreads-10k, hiện có trong books. Ngoài ra, pandas đã được import là pd và numpy là np.
Bài tập này là một phần của khóa học
Phân tích giỏ hàng trong Python
Hướng dẫn bài tập
- Tính support cho {Potter} và gán vào
supportP. - Tính support cho KHÔNG {Hunger}.
- Tính support cho {Potter} và KHÔNG {Hunger}.
- Hoàn thiện biểu thức tính chỉ số conviction trong câu lệnh return.
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 Potter AND Hunger
supportPH = np.logical_and(books['Potter'], books['Hunger']).mean()
# Compute support for Potter
supportP = ____.mean()
# Compute support for NOT Hunger
supportnH = 1.0 - books['____'].mean()
# Compute support for Potter and NOT Hunger
supportPnH = ____ - supportPH
# Compute and print conviction for Potter -> Hunger
conviction = ____ * supportnH / supportPnH
print("Conviction: %.2f" % conviction)