如何利用Python進行商品的親和性分析

這篇文章將為大家詳細講解有關如何利用Python進行商品的親和性分析，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

01數據挖掘簡介

數據挖掘旨在讓計算機根據已有數據做出決策。決策可以是預測明年的銷量，人口的數目，攔截垃圾郵件，檢測網站的語言。到目前為止，數據挖掘已經有很多的應用，即使這樣很多新的應用領域也在不斷出現。

數據挖掘涉及到算法，最優策略，統計學，工程學和計算機科學相關領域的知識。除此之外我們還會用到語言學，神經科學，城市規劃等其他領域的概念或知識。想要充分發揮數據挖掘的威力，算法肯定是必備的。(在這里推薦讀者去刷一刷LeetCode)

一般來說數據挖掘有這三個基本步驟：1、創建數據集。數據集能直接反應一些真實事件;2、選擇算法。選擇一個合適的算法才能更好的對數據進行處理;3、優化算法。每種數據挖掘算法都有參數，它們或是算法自身包含的，或是使用者添加的，這些參數會影響算法的具體決策。

02親和性分析案例

現在讓我們用一個例子說明。不知道你逛超市的時候，是否發現超市里面基本上都是按照商品的種類來分區域的，然而有些東西是存在例外的，一件商品的旁邊擺放著不一樣種類的商品。不知道你是否有發現這個現象，有沒有對此感到不解。這邊我想跟你說的是，這種擺放也是有道理的，這個道理是商品之間的親和性!

前置知識：

（1）defaultdict(int)：初始化為 0     （2）defaultdict(float)：初始化為 0.0    （3）defaultdict(str)：初始化為 ''

這里的defaultdict(function_factory)構建的是一個類似dictionary的對象其中keys的值，自行確定賦值，但是values的類型，是function_factory的類實例而且具有默認值。比如default(int)則創建一個類似dictionary對象里面任何的values都是int的實例，而且就算是一個不存在的key,  d[key] 也有一個默認值，這個默認值是int()的默認值0。

03代碼實現

現在進行代碼部分：

import  numpy as np from collections import defaultdict dataset_filename = "affinity_dataset.txt" features = ["bread","milk","cheese","apple","banana"]  #猜一下這個是干嘛用的 X = np.loadtxt(dataset_filename) print(X[:5])   #打印前五行的購物信息

統計一下購買蘋果和香蕉的人數：

num_apple_purchases = 0 # 初始化一個購買蘋果人數的變量 for sample in X:     if sample[3] == 1:         num_apple_purchases+=1 print("{0} people bought Apples ".format(num_apple_purchases)) num_banana_purchases = 0 for sample in X:     if sample[4] == 1:         num_banana_purchases += 1 print("{0} people bought banana".format(num_banana_purchases))

現在為了計算規則的置信度還有支持度，我們可以用字典的形式來存放計算結果：

valid_rules = defaultdict(int) invalid_rules = defaultdict(int) num_occurances = defaultdict(int) for sample in X:     for premise in range(4):         if sample[premise] ==0 :             continue         num_occurances[premise] +=1  #當顧客有購買物品時key對應的時value變為1         for conclusion in range(4):             if premise == conclusion:  #訪問同一個key 的時候是沒有意義的直接跳過                 continue             if sample[conclusion] == 1:                 valid_rules[(premise,conclusion)] +=1             else:                 invalid_rules[(premise,conclusion)] +=1

得到所有必要的統計量后，我們再來計算每條規則的支持度和置信度。如前所述，支持度就是規則應驗的次數：

support = valid_rules #置信度的計算方法類似，遍歷每條規則進行計算 confidence = defaultdict(float) for premise,conclusion in valid_rules.keys():     rule = (premise,conclusion)     confidence[rule] = valid_rules[rule]/num_occurances[premise]

聲明一個函數，接收的參數有：分別作為前提條件和結論的特征索引值、支持度字典、置信度字典以及特征列表。

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

排序完成后，就可以輸出支持度最高的前5條規則：

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

關于“如何利用Python進行商品的親和性分析”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，使各位可以學到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。