用信賴度細化支持度
在上一題回報你的發現後，圖書館接著詢問關係的方向。他們應該用《哈利波特》帶動《暮光之城》，還是用《暮光之城》帶動《哈利波特》？
思考之後，你決定計算具有方向性的信賴度（confidence），不同於沒有方向性的支持度（support）。你會同時計算 {Potter} \(\rightarrow\) {Twilight} 與 {Twilight} \(\rightarrow\) {Potter}。books DataFrame 已為你匯入，其中每本書各有一欄：Potter 與 Twilight。
本練習屬於課程
Python 的 Market Basket Analysis
練習說明
- 計算 {Potter, Twilight} 的 support。
- 計算 {Potter} 的 support。
- 計算 {Twilight} 的 support。
- 分別計算 {Potter} \(\rightarrow\) {Twilight} 與 {Twilight} \(\rightarrow\) {Potter} 的 confidence。
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 support for Potter and Twilight
supportPT = np.logical_and(____, ____).mean()
# Compute support for Potter
supportP = books['Potter'].____
# Compute support for Twilight
supportT = ____
# Compute confidence for both rules
confidencePT = supportPT / ____
confidenceTP = ____ / supportT
# Print results
print('{0:.2f}, {1:.2f}'.format(confidencePT, confidenceTP))