用提升度进一步筛选
您再次向图书馆汇报结果：使用《暮光之城》来推广《哈利·波特》，因为该关联规则的置信度更高。图书馆感谢您的建议，但希望您再用另一项指标确认这是否是一个有意义的关系。
您想起这里可以用提升度（lift）。如果提升度小于 1，表示《哈利·波特》和《暮光之城》被一起借阅的频率比随机情况下的预期更低。与前两个练习相同，DataFrame books 已为您导入，numpy 也已以别名 np 导入。
本练习是课程的一部分
Python 中的购物篮分析
练习说明
- 计算 {Potter, Twilight} 的支持度。
- 计算 {Potter} 的支持度。
- 计算 {Twilight} 的支持度。
- 计算 {Potter} \(\rightarrow\) {Twilight} 的提升度。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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)