python亲和度_Python数据挖掘 亲和性分析

2023-10-30 18:40

本文主要是介绍python亲和度_Python数据挖掘 亲和性分析,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本文学习资源来自《Python数据挖掘入门与实践》中国工信出版集团 人民邮电出版社

亲和度

亲和度是用来表示一个实体与其他实体之间的亲和程度。

假设有两个实体E1和E2,如果他们从来没有被相同的活动使用,则他们的亲和度E(E1,E2)=0;如果他们总是同时被每一个活动所使用,则他们的亲和度E(E1,E2)=1。如果仅被某些活动一起使用,则其亲和度E(E1,E2)在(0,1)的区间内。

——百度百科

典型的应用场景:

购买一种商品的顾客可能要购买另一些商品

为网站用户提供服务推荐或定向广告

根据基因寻找有亲缘关系的人

亲和性有多种测量方法,如:

统计两件端口一起出售的频率,或者统计顾客购买了商品1后再买商品2的比率。

示例

运行环境:IPython notebook

数据 affinity_dataset.txt

数据示例

0 0 1 1 1

1 1 0 1 0

1 0 1 1 0

0 0 1 1 1

0 1 0 0 1

0 1 0 0 0

加载数据

import numpy as np

dataset_filename = "affinity_dataset.txt"

X = np.loadtxt(dataset_filename)

n_samples, n_features = X.shape

print("This dataset has {0} samples and {1} features".format(n_samples, n_features))

输出:

This dataset has 100 samples and 5 features。

4db4ad73b05185d2edde45b12c7988bc.png

数据涵义:

每列代表一种商品,分别为:面包、牛奶、奶酪、苹果、香蕉

输出为前5次交易中顾客都买了什么,第一条数据 0 0 1 1 1表示第一条交易中顾客购买了奶酪、苹果、香蕉。

1表示购买了,0表示未购买。

实现简单的排序规则

我们要找出“如果顾客购买了商品X,那么他们可能愿意购买商品Y”的规则。简单粗暴的做法是,找出数据集中所有同时购买的两件商品。找出规则后,还需要判断其优劣,我们挑好的规则用。

规则的优劣有多种衡量方法,常用的是支持度(support)和置信度(confidence)。

支持度

指数据集中规则应验的次数,统计起来很简单。有时候,还需要对支持度进行规范化,即再除以规则有效前提下的总数量。这里只是简单统计规则应验的次数。

支持度衡量的是给定规则应验的比例,而置信度衡量的则是规则准确率如何,即符合给定条件(即规则的“如果”语句所表示的前提条件)的所有规则里,跟当前规则结论一致的比例有多大。计算方法为首先统计当前规则的出现次数,再用它来除以条件(“如果”语句)相同的规则数量。

示例代码:

# The names of the features, for your reference.

features = ["bread", "milk", "cheese", "apples", "bananas"]

# First, how many rows contain our premise: that a person is buying apples

num_apple_purchases = 0

for sample in X:

if sample[3] == 1: # This person bought Apples

num_apple_purchases += 1

print("{0} people bought Apples".format(num_apple_purchases))

该代码计算确定购买苹果的顾客数量。

创建几个词典用来存放计算结果,使用defaultdict,需要统计的量有规则应验、规则无效及条件相同的规则数量。

7875e608ff256a2c3f02cb25a345326e.png

bb162d6e8ac3c3831f5f2628e3215d1b.png

其中置信度的计算方法:

confidence = defaultdict(float)

for premise, conclusion in valid_rules.keys():

confidence[(premise, conclusion)] = valid_rules[(premise, conclusion)] / num_occurences[premise]

定义打印规则:

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(" - Confidence: {0:.3f}".format(confidence[(premise, conclusion)]))

print(" - Support: {0}".format(support[(premise, conclusion)]))

print("")

测试代码:

premise = 1

conclusion = 3

print_rule(premise, conclusion, support, confidence, features)

输出:

0cfd37cd58bf056148691b53fa04dfca.png

排序找出最佳规则

149f62ff1cf4b1c4b97bbfa8a4a733c3.png

该代码输出支持度最高的前5条规则 ,

如果要按置信度排序:

78094d2a633aa54e11bdaa1809257569.png

我们可以看到结果,“顾客买苹果,也会买奶酪”和“顾客买奶酪,也会买香蕉”,这两条规则的支持度和置信度都很高。

这篇关于python亲和度_Python数据挖掘 亲和性分析的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/309850

相关文章

Go标准库常见错误分析和解决办法

《Go标准库常见错误分析和解决办法》Go语言的标准库为开发者提供了丰富且高效的工具,涵盖了从网络编程到文件操作等各个方面,然而,标准库虽好,使用不当却可能适得其反,正所谓工欲善其事,必先利其器,本文将... 目录1. 使用了错误的time.Duration2. time.After导致的内存泄漏3. jsO

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

Python Websockets库的使用指南

《PythonWebsockets库的使用指南》pythonwebsockets库是一个用于创建WebSocket服务器和客户端的Python库,它提供了一种简单的方式来实现实时通信,支持异步和同步... 目录一、WebSocket 简介二、python 的 websockets 库安装三、完整代码示例1.

揭秘Python Socket网络编程的7种硬核用法

《揭秘PythonSocket网络编程的7种硬核用法》Socket不仅能做聊天室,还能干一大堆硬核操作,这篇文章就带大家看看Python网络编程的7种超实用玩法,感兴趣的小伙伴可以跟随小编一起... 目录1.端口扫描器:探测开放端口2.简易 HTTP 服务器:10 秒搭个网页3.局域网游戏:多人联机对战4.

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意

Python基于wxPython和FFmpeg开发一个视频标签工具

《Python基于wxPython和FFmpeg开发一个视频标签工具》在当今数字媒体时代,视频内容的管理和标记变得越来越重要,无论是研究人员需要对实验视频进行时间点标记,还是个人用户希望对家庭视频进行... 目录引言1. 应用概述2. 技术栈分析2.1 核心库和模块2.2 wxpython作为GUI选择的优

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

Python+PyQt5实现多屏幕协同播放功能

《Python+PyQt5实现多屏幕协同播放功能》在现代会议展示、数字广告、展览展示等场景中,多屏幕协同播放已成为刚需,下面我们就来看看如何利用Python和PyQt5开发一套功能强大的跨屏播控系统吧... 目录一、项目概述:突破传统播放限制二、核心技术解析2.1 多屏管理机制2.2 播放引擎设计2.3 专

Python中随机休眠技术原理与应用详解

《Python中随机休眠技术原理与应用详解》在编程中,让程序暂停执行特定时间是常见需求,当需要引入不确定性时,随机休眠就成为关键技巧,下面我们就来看看Python中随机休眠技术的具体实现与应用吧... 目录引言一、实现原理与基础方法1.1 核心函数解析1.2 基础实现模板1.3 整数版实现二、典型应用场景2