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。