利用Python进行商品的亲和性分析

本文转载自微信公众号「菜J学Python」，作者J哥、小屁孩i 。转载本文请联系菜J学Python公众号。

创新互联公司主要从事成都网站制作、成都网站建设、外贸营销网站建设、网页设计、企业做网站、公司建网站等业务。立足成都服务古交,十余年网站建设经验,价格优惠、服务专业,欢迎来电咨询建站服务:18980820575

大家好，我是J哥。

如今这个社会是一个数字社会，在各大领域里面最为显著的应该是数据吧。就目前而言，大数据已经越来越流行了，我们不管在什么领域上都能接触到数据的，并且现在很多企业已经累计了大量的数据。很多人开始朝向大数据开发以及大数据分析这两个方向发展了。

那么也许你会问，哪这两个方向更加值得转行呢?很多人也在这两个方向纠结，在这里我想告诉你们的是，没有什么是最优选择，你感兴趣的才是最好的选择。这边，我选择的是大数据分析!现在让我们进入数据分析的一个环节——数据挖掘。

01数据挖掘简介

数据挖掘旨在让计算机根据已有数据做出决策。决策可以是预测明年的销量，人口的数目，拦截垃圾邮件，检测网站的语言。到目前为止，数据挖掘已经有很多的应用，即使这样很多新的应用领域也在不断出现。

数据挖掘涉及到算法，最优策略，统计学，工程学和计算机科学相关领域的知识。除此之外我们还会用到语言学，神经科学，城市规划等其他领域的概念或知识。想要充分发挥数据挖掘的威力，算法肯定是必备的。(在这里推荐读者去刷一刷LeetCode)

一般来说数据挖掘有这三个基本步骤：1、创建数据集。数据集能直接反应一些真实事件;2、选择算法。选择一个合适的算法才能更好的对数据进行处理;3、优化算法。每种数据挖掘算法都有参数，它们或是算法自身包含的，或是使用者添加的，这些参数会影响算法的具体决策。

02亲和性分析案例

现在让我们用一个例子说明。不知道你逛超市的时候，是否发现超市里面基本上都是按照商品的种类来分区域的，然而有些东西是存在例外的，一件商品的旁边摆放着不一样种类的商品。不知道你是否有发现这个现象，有没有对此感到不解。这边我想跟你说的是，这种摆放也是有道理的，这个道理是商品之间的亲和性!

前置知识：

 
 
 
 
    
  
  
  
  
  1. （1）defaultdict(int)：初始化为 0    
    2. 
  
  
  
  
  2. （2）defaultdict(float)：初始化为 0.0   
    3. 
  
  
  
  
  3. （3）defaultdict(str)：初始化为 ''
    4.

这里的defaultdict(function_factory)构建的是一个类似dictionary的对象其中keys的值，自行确定赋值，但是values的类型，是function_factory的类实例而且具有默认值。比如default(int)则创建一个类似dictionary对象里面任何的values都是int的实例，而且就算是一个不存在的key, d[key] 也有一个默认值，这个默认值是int()的默认值0。

03代码实现

现在进行代码部分：

 
 
 
 
    
  
  
  
  
  1. import  numpy as np
    2. 
  
  
  
  
  2. from collections import defaultdict
    3. 
  
  
  
  
  3. dataset_filename = "affinity_dataset.txt"
    4. 
  
  
  
  
  4. features = ["bread","milk","cheese","apple","banana"]  #猜一下这个是干嘛用的
    5. 
  
  
  
  
  5. X = np.loadtxt(dataset_filename)
    6. 
  
  
  
  
  6. print(X[:5])   #打印前五行的购物信息
    7.

统计一下购买苹果和香蕉的人数：

 
 
 
 
    
  
  
  
  
  1. num_apple_purchases = 0 # 初始化一个购买苹果人数的变量
    2. 
  
  
  
  
  2. for sample in X:
    3. 
  
  
  
  
  3.     if sample[3] == 1:
    4. 
  
  
  
  
  4.         num_apple_purchases+=1
    5. 
  
  
  
  
  5. print("{0} people bought Apples ".format(num_apple_purchases))
    6. 
  
  
  
  
  6. num_banana_purchases = 0
    7. 
  
  
  
  
  7. for sample in X:
    8. 
  
  
  
  
  8.     if sample[4] == 1:
    9. 
  
  
  
  
  9.         num_banana_purchases += 1
    10. 
  
  
  
  
  10. print("{0} people bought banana".format(num_banana_purchases))
    11.

现在为了计算规则的置信度还有支持度，我们可以用字典的形式来存放计算结果：

 
 
 
 
    
  
  
  
  
  1. valid_rules = defaultdict(int)
    2. 
  
  
  
  
  2. invalid_rules = defaultdict(int)
    3. 
  
  
  
  
  3. num_occurances = defaultdict(int)
    4. 
  
  
  
  
  4. for sample in X:
    5. 
  
  
  
  
  5.     for premise in range(4):
    6. 
  
  
  
  
  6.         if sample[premise] ==0 :
    7. 
  
  
  
  
  7.             continue
    8. 
  
  
  
  
  8.         num_occurances[premise] +=1  #当顾客有购买物品时key对应的时value变为1
    9. 
  
  
  
  
  9.         for conclusion in range(4):
    10. 
  
  
  
  
  10.             if premise == conclusion:  #访问同一个key 的时候是没有意义的直接跳过
    11. 
  
  
  
  
  11.                 continue
    12. 
  
  
  
  
  12.             if sample[conclusion] == 1:
    13. 
  
  
  
  
  13.                 valid_rules[(premise,conclusion)] +=1
    14. 
  
  
  
  
  14.             else:
    15. 
  
  
  
  
  15.                 invalid_rules[(premise,conclusion)] +=1
    16.

得到所有必要的统计量后，我们再来计算每条规则的支持度和置信度。如前所述，支持度就是规则应验的次数：

 
 
 
 
    
  
  
  
  
  1. support = valid_rules
    2. 
  
  
  
  
  2. #置信度的计算方法类似，遍历每条规则进行计算
    3. 
  
  
  
  
  3. confidence = defaultdict(float)
    4. 
  
  
  
  
  4. for premise,conclusion in valid_rules.keys():
    5. 
  
  
  
  
  5.     rule = (premise,conclusion)
    6. 
  
  
  
  
  6.     confidence[rule] = valid_rules[rule]/num_occurances[premise]
    7.

声明一个函数，接收的参数有：分别作为前提条件和结论的特征索引值、支持度字典、置信度字典以及特征列表。

 
 
 
 
    
  
  
  
  
  1. def print_rule(premise, conclusion,support , confidence,features):
    2. 
  
  
  
  
  2.     premise_name = features[premise]
    3. 
  
  
  
  
  3.     conclusion_name = features[conclusion]
    4. 
  
  
  
  
  4.     print("Rule:if a person buys {0} they will also buy {1} ".format(premise_name,conclusion_name))
    5. 
  
  
  
  
  5.     print(" - Support : {0}".format(support[(premise,conclusion)]))
    6. 
  
  
  
  
  6.     print(" - Confidence : {0:.3f}".format(confidence[(premise,conclusion)]))
    7. 
  
  
  
  
  7. premise = 1
    8. 
  
  
  
  
  8. conclusion = 3
    9. 
  
  
  
  
  9. features = ["bread","milk","cheese","apple","banana"]
    10. 
  
  
  
  
  10. print_rule(premise,conclusion,support,confidence,features)
    11. 
  
  
  
  
  11. 
  
  
  
  
  12. from  operator import itemgetter
    13. 
  
  
  
  
  13. sorted_support = sorted(support.items(),key=itemgetter(1),reverse=True)
    14.

排序完成后，就可以输出支持度最高的前5条规则：

 
 
 
 
    
  
  
  
  
  1. for index in range(5):
    2. 
  
  
  
  
  2.     print("Rule #{0}".format(index+1))
    3. 
  
  
  
  
  3.     premise,conclusion = sorted_support[index][0]
    4. 
  
  
  
  
  4.     print_rule(premise,conclusion,support,confidence,features)
    5.

以上就是我们这次所学的数据挖掘之商品亲和性分析了。

网站标题：利用Python进行商品的亲和性分析
分享URL：http://www.mswzjz.cn/qtweb/news33/497283.html

攀枝花网站建设、攀枝花网站运维推广公司-贝锐智能，是专注品牌与效果的网络营销公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 贝锐智能

贝锐智能技术为您推荐以下文章

网站内链知识

同城分类信息

名片印刷　　 　小程序开发　　 　成都LED亮化工程　　 　成都做网站　　 　广汉长尔科技　　 　眉山联通机房　　 　app软件开发公司　　 　网站seo优化　　 　雕琢时光　　 　域名ssl证书　　 　成都网站推广　　 　成都石膏隔墙板　　 　护栏打桩机　　 　柴油发电机租赁　　 　德阳东方电机技改服务有限公司　　 　成都网络推广　　 　眉山网站建设　　 　手机网站制作设计　　 　微信小程序开发　　 　四川内江电信机房