图神经网络X项目｜基于图神经网络的电商行为的预测（10%）

Jupyter Notebook 学习人工智能的好帮手

【Jupyter Notebook】快速上手 轻松玩明白

数据集

数据集下载

数据集下载地址

数据集调用

from sklearn.preprocessing import LabelEncoder
import pandas as pd

df = pd.read_csv("yoochoose-clicks.dat",header=None)
df.columns = ['session_id','timestamp','item_id','category']

print(df)

其中，session_id表示的是某次会话的编号，而item_id表示的是某次会话下的某个操作，category代表购买情况，其中0代表未购入，1代表购入。

数据集应用技巧——获取不重复的编号

可以对某一个关键字采用unique()。

数据集应用技巧——随机采样

应用场景：数据集过多，抽取部分数据进行观察。
工具：采用random中的choice进行提取(numpy库也有random包，也有choice方法)。

choice可以选取出列表/集合中的其中一项

数据集应用技巧——抽取前N项进行模拟测试

应用场景：可用于熟悉操作。
工具：使用分片进行操作。
分片的具体操作可见于分片链接

数据集构建

步骤

第二步 编码

刚开始这些点并没有图的编号（有session_id,但并不是一个方便建图的编号），于是可以采取按某一个关键字进行排序的方法，按大小给图上的节点进行重新编号。
编码主要有两种方式——一种是独热🔥one-hot编码，另外一种是标签编码LabelEncoder。
这里采用标签编码。

先采用fit对数据进行拟合，才采用transform得到具体数据。

from sklearn.preprocessing import LabelEncoder,OneHotEncoder
Encoder_tmp = LabelEncoder()
Encoder_tmp.fit(["apple","orange","banana"])
print(Encoder_tmp.transform(["apple"]))

也可以采用fit_transform一步到位，同时可以用fit_transform返回的列表给数据去添上一列，毕竟缺这部分，且与数据一一对应

 group['sess_item_id'] = sess_item_id#也就是上文的List

第三步 构造边集

同一会话中，事务的执行是按顺序的，比如说，看完这篇文章后，给博主点一个关注。看完这篇文章对应一件事情A，点个关注又对应一个事情B，此时可以由A连向B，代表一种顺序的关系。
需要注意的是，这个边集并不是一开始就有的，而是需要从一堆数据里面提取出来。而且这堆数据中可能存在重复的序号，也就是说需要进行去重。
同时，是针对会话去建图，也就是说一个会话一张图。
而去重的同时又要保证不要去破坏顺序性（顺序连接的点代表着边）

考虑复用性的话，记得将构造出来的数据集进行保存。

技巧

应用场景：可以可视化进度

from tqdm import tqdm
import time
List = [0,1,2,3,4,5,6]
for x in tqdm(List):
    time.sleep(1)
    print(x)

技巧2——使用groupby()对数据进行聚合，按类查看数据

注意的是，需要通过list对聚合信息进一步展开。
进一步可以按类查看数据。
需要注意的是，使用groupby后的数据，格式将转换为(序号,组)的结构，也就是前后数据的格式是不太一样的。因而，在提取数据的过程要根据具体的情况，选择合适的格式进行提取。

for session_id,group in tqdm(grouped):
    print("current sessin_id is",session_id)
    print(group)

技巧3——使用reset_index来确定索引

技巧4——使用loc来提取分析

在数据使用中，有的时候只需要使用到部分关键信息，然后对其进行分析，且为了避免在原数据上直接修改（排序或者汇总），一般是先生成副本，再进行分析。
而生成有效的副本，可以采用loc进行操作。
以下是常见的loc操作

选取部分列

要备注好选取的列的关键字名字

new_table = table.loc[:,'关键字1']#单列
new_table = table.loc[:,['关键字1'，'关键字2']]#多列
#其中:是分片，无任何数据填入，代表的是默认位置，且步长为0

技巧5——对选取的列进行排序

应用场景：比如从数据表中选出表现优秀的点/数据项

for session_id,group in tqdm(grouped):
    print("current sessin_id is",session_id)
    print(group)
    print(group.loc[:,["timestamp","item_id"]])
    print(group.loc[:,["timestamp","item_id"]].sort_values("item_id"))

数据集整体构造

构造图神经网络

构造神经网络

import 

层数

使用TopKpooling进行采样

实现的功能：TopKpooling实现的是对图进行下采样/剪枝

TopKpooling是指挑选出顶部的K个元素从而实现下采样的作用。
挑选意味着要建立一个评分体系，并且围绕这个评分体系去计算价值得分。
而得分可以通过矩阵相乘来得到对应的得分。