用数据方法进行简单商品推荐

背景介绍

当顾客在购买一件商品时，商家可以趁机了解他们还想买什么，以便把多数顾客愿意同时购买的商品放到一起销售以提升销售额。当商家收集到足够多的数据时，就可以对其进行亲和性分析，以确定哪些商品适合放在一起出售。
什么是亲和性呢，简单的说就是物品之间的相似性或者说是相关性。比如说，一个去商场购物，买了苹果的同时也买了香蕉，如果又买苹果又买香蕉的人比较多，那么我们把苹果和香蕉摆放在一起来销售，往往可以提高销量。这背后的思想就是人们经常购买同一件商品，下次大概率还是会继续购买。看似简单的思想，的确是很多线上和线下商品推荐服务的基础。
之前的商品推荐工作，常常是人工在线下来完成的，费时费力，也没有很好地精准度。现在我们可以用数据驱动的方式来自动完成。节约成本，也提高了效率，下面我们来看看如何来做。

---

数据准备和介绍

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))

结果是：This dataset has 100 samples and 5 features

我们来解释下这个数据，看看顾客在前五次交易中都买了什么

print(X[:5])

[[ 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.]]

竖着看，每一列分别表示一种商品的购买情况。分别是面包、牛奶、奶酪、苹果和香蕉。举个例子，第一行表示一个顾客，买了奶酪、苹果和香蕉。而没有买别的商品。每一行表示的是一次顾客购买行为。

---

数据处理

我们把数据特征打上标签，方便后面做处理：

# The names of the features, for your reference.
features = ["bread", "milk", "cheese", "apples", "bananas"]

我们下面来做一个顾客既买苹果又买香蕉的支持度和置信度，这里支持度指的是，对于总体而言，有多少样本符合这个规则。置信度是：支持度/总体，比如说对于这个规则而言总是是买苹果也买香蕉+买苹果不买香蕉的总人数的和。即，只要他买苹果，就算做是总体中的一员。