計算關聯與反關聯
圖書館又回來詢問你先前建議：用《Twilight（暮光之城）》帶動《Harry Potter（哈利波特）》的推廣。他們擔心兩者可能是反關聯，會對行銷造成負面影響，並請你確認是否不是這種情況。
你立刻想到 Zhang 指標，它能連續量化關聯與反關聯。關聯為正值，反關聯為負值。和前面練習一樣，已為你匯入 DataFrame books，以及以別名 np 匯入的 numpy。Zhang 指標的計算如下：
$$Zhang(A \rightarrow B) = $$ $$\frac{Support(A \& B) - Support(A) Support(B)}{ max[Support(AB) (1-Support(A)), Support(A)(Support(B)-Support(AB))]}$$
本練習屬於課程
Python 的 Market Basket Analysis
練習說明
- 計算 {Twilight} 的支持度，以及 {Potter} 的支持度。
- 計算 {Twilight, Potter} 的支持度。
- 完成分母的表達式。
- 計算 {Twilight} \(\rightarrow\) {Potter} 的 Zhang 指標。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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)