計算 conviction（信念度）
在圖書館的建議大獲好評後，一家小型電子書新創的創辦人找上你進行顧問合作。為了測試你的能力，她要你計算規則 {Potter} \(\rightarrow\) {Hunger} 的 conviction（信念度），以便決定是否要在公司網站上把這兩本書放在彼此相鄰的位置。所幸你仍可存取 goodreads-10k 資料，變數為 books。另外，pandas 已匯入為 pd，numpy 已匯入為 np。
本練習屬於課程
Python 的 Market Basket Analysis
練習說明
- 計算 {Potter} 的支持度，指定給
supportP。 - 計算 NOT {Hunger} 的支持度。
- 計算 {Potter} 且 NOT {Hunger} 的支持度。
- 在 return 陳述式中完成 conviction（信念度）指標的運算式。
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 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)