计算确信度（conviction）
在图书馆案例中听到了您提供的有用建议后，一家小型电子书销售初创公司的创始人找到您咨询。为了测试您的能力，她请您计算规则 {Potter} \(\rightarrow\) {Hunger} 的确信度，以便决定是否在公司网站上将这两本书放在彼此相邻的位置。幸运的是，您仍然可以访问 goodreads-10k 数据，已加载为 books。另外，pandas 已按 pd 导入，numpy 已按 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} 的支持度，并将其赋给
supportP。 - 计算 NOT {Hunger} 的支持度。
- 计算 {Potter} 且 NOT {Hunger} 的支持度。
- 在 return 语句中补全确信度指标的表达式。
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 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)