用 lift 進一步精煉
你再次把結果回報給圖書館：建議用《Twilight》來推廣《Harry Potter》，因為這條關聯規則的信賴度（confidence）較高。圖書館感謝你的建議，但要求你用另一個指標確認這是否為有意義的關係。
你想到這裡可以使用 lift（提升度）。如果 lift 小於 1，代表《Harry Potter》與《Twilight》被一起借閱的頻率，比起隨機情況下的期望還要低。和前兩個練習一樣，DataFrame books 已為你匯入，numpy 也已以別名 np 匯入。
本練習屬於課程
Python 的 Market Basket Analysis
練習說明
- 計算 {Potter, Twilight} 的支持度（support）。
- 計算 {Potter} 的支持度。
- 計算 {Twilight} 的支持度。
- 計算 {Potter} \(\rightarrow\) {Twilight} 的提升度（lift）。
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 = ____.mean()
# Compute support for Potter
supportP = books['Potter'].____
# Compute support for Twilight
supportT = ____.mean()
# Compute lift
lift = ____ / (supportP * ____)
# Print lift
print("Lift: %.2f" % lift)