数据挖掘实例1：亲和性分析示例（代码、注释、运行结果）

00勇士王子

于 2021-10-03 17:28:49 发布

阅读量4.1k

点赞数 6

分类专栏： python 文章标签：数据挖掘 python 机器学习

本文链接：https://blog.csdn.net/qq_45813980/article/details/120596377

版权

python 专栏收录该内容

9 篇文章 8 订阅

订阅专栏

前言

本实例采用python3环境，编辑器采用Jupyter Notebook，安装使用方法请参考，本实例中所用到的附件内容放在文末，如果想要自行运行一下代码，可以尝试一下。
Jupyter Notebook介绍、安装及使用教程

亲和性分析示例

终于迎来了第一个数据挖掘的例子，我们拿这个亲和性分析的示例来具体看下数据挖掘到底
是怎么回事。数据挖掘有个常见的应用场景，即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。

实例代码和注释

import numpy as np #导入numpy库，并在下面调用时简写为np
dataset_filename = "affinity_dataset.txt" 
#将txt文件内容赋值给变量dataset_filename
#使用numpy库的loadxt方法，读取txt文件，将读取后的内容赋值给变量X。此时的X存储的是一个数据集，例如
#[[1,2,3],
# [4,5,6]]
X = np.loadtxt(dataset_filename)
#每一个X都有一个shape属性，是对X向量的描述，samples指样本，features指特征 
# X:shape(n_samples,n_features)
# eg：x:[[1,2,3],[4,5,6]]
#     n_samples:2
#     n_features:3
n_samples, n_features = X.shape   
#输出数据集中有多少个样本多少个特征
print("这个数据集有 {0} 样本和{1} 个特征".format(n_samples, n_features))

运行结果
在这里插入图片描述

print(X[:5])#输出数据集中前5个数据

运行结果
在这里插入图片描述

features = ["bread", "milk", "cheese", "apples", "bananas"]# 定义一个由5种商品组成的数组

# 首先，这些行都有一个前提：一个人买苹果
num_apple_purchases = 0 #设置购买苹果次数的初值为0
for sample in X:        #for循环利用数据集X中的数据表示多次购买
    if sample[3] == 1:  # 因为在features数组中苹果的索引为3，所以sample[3]==1表示这个人买苹果
        num_apple_purchases += 1  #每当有人购买苹果时，购买苹果的次数加一
print("{0}个人买了苹果".format(num_apple_purchases)) #输出循环结束后购买苹果的次数

运行结果
在这里插入图片描述

# 一个人买苹果的案例中有多少与买香蕉的人有关？
# 记录规则有效和无效的两种情况。
rule_valid = 0    #定义变量rule_valid，记录有效的情况
rule_invalid = 0  #定义变量rule_invalid，记录无效的情况
for sample in X:  #for循环利用数据集X中的数据表示多次购买
    if sample[3] == 1:  # 如果这个人买苹果
        if sample[4] == 1:   #如果这个人还买了香蕉
            # 如果这个人买了苹果和香蕉，规则有效的情况加一
            rule_valid += 1
        else:
            # 如果这个人买了苹果，没有买香蕉，规则无效的情况加一
            rule_invalid += 1
# 输出规则有效出现的次数			
print("{0} 次发现了该规则有效的案例".format(rule_valid))
# 输出规则无效出现的次数
print("{0} 次发现了该规则无效的情况".format(rule_invalid))

运行结果
在这里插入图片描述

# 现在我们有了计算支持度和置信度所需的所有信息
support = rule_valid  # Support是发现规则的次数，即置信度。
# 发现规律的次数除以购买苹果总的次数得到规律得到支持度confidence
confidence = rule_valid / num_apple_purchases   
# 输出发现规则的次数和计算所得的支持度
print("支持度为 {0} 并且置信度为 {1:.3f}.".format(support, confidence))
# 支持度可以用以下公式表示为百分比：
print("按百分比算，置信度为 {0:.1f}%.".format(100 * confidence))

运行结果
在这里插入图片描述

from collections import defaultdict  #导入defaultdict库
# 现在计算所有可能的规则
#用defaultdict(int)设置默认类型为int,初始值为0，用于计数
valid_rules = defaultdict(int) 
invalid_rules = defaultdict(int)
num_occurences = defaultdict(int)
for sample in X:
    for premise in range(n_features): # n_features在这里表示的是一个人买商品的个数，买了几个商品就循环几次
        if sample[premise] == 0: continue # 判断该行的某一列元素是否位0，即是否购买，若为0，跳出本轮循环，测试下一列
        # 记录有购买的一列
        num_occurences[premise] += 1
        for conclusion in range(n_features): #当读取到某一列有购买后，再次循环每一列的值
            if premise == conclusion:  #排除相同的一列，若循环到同一列，则跳出循环，比较下一列
                continue
            if sample[conclusion] == 1:  #当sample[conclusion] 的值为1时，满足了当顾客购买前一件商品时也买了这种商品
                #记录下该规则出现的次数
                valid_rules[(premise, conclusion)] += 1
            else:
                #当不满足时即 sample[conclusion]=0 时，记录下不满足该规则的次数
                invalid_rules[(premise, conclusion)] += 1
support = valid_rules #支持度=规则出现的次数
confidence = defaultdict(float) #强制将置信度转为浮点型

#计算某一规则的置信度，并将其存在字典confidence中
for premise, conclusion in valid_rules.keys():
    confidence[(premise, conclusion)] = valid_rules[(premise, conclusion)] / num_occurences[premise]

for premise, conclusion in confidence: #根据字典的两个参数来取值
    premise_name = features[premise] #我们之前定义了features列表，它的每一列都对应数组的每一列，即商品名称
    conclusion_name = features[conclusion] #商品名称
	# 输出规则、支持度与置信度
    print("规律: 如果一个人买了 {0} 那他也会买 {1}".format(premise_name, conclusion_name))
    print(" - 支持度: {0:.3f}".format(confidence[(premise, conclusion)]))
    print(" - 置信度: {0}".format(support[(premise, conclusion)]))
    print("")

运行结果
在这里插入图片描述

def print_rule(premise, conclusion, support, confidence, features): #定义函数，用于输出规则‘支持度与置信度
    premise_name = features[premise] #我们之前定义了features列表，它的每一列都对应数组的每一列，即商品名称
    conclusion_name = features[conclusion] #商品名称
	# 输出规律、支持度与置信度
    print("规律: 如果一个人买了 {0} 那他也会买 {1}".format(premise_name, conclusion_name))
    print(" - 支持度: {0:.3f}".format(confidence[(premise, conclusion)]))
    print(" - 置信度: {0}".format(support[(premise, conclusion)]))
    print("")

premise = 1
conclusion = 3
# 调用函数输出规则
print_rule(premise, conclusion, support, confidence, features)

运行结果
在这里插入图片描述

# 按支持排序
# pprint()模块打印出来的数据结构更加完整，每行为一个数据结构，更加方便阅读打印输出结果
from pprint import pprint  #导入pprit模块
pprint(list(support.items())) #完整打印出list(support.items())

运行结果
在这里插入图片描述

from operator import itemgetter #导入itemgetter模块
# 对class_counts字典进行排序，找到最大值，就能找出具有给定特征值的个体在哪个类别中出现次数最多
sorted_support = sorted(support.items(), key=itemgetter(1), reverse=True)

#  对置信度字典进行排序后，输出置信度最高的前五条规则
#用for循环输出规则
for index in range(5):  
    print("规律 #{0}".format(index + 1))
    (premise, conclusion) = sorted_support[index][0]
    print_rule(premise, conclusion, support, confidence, features)

运行结果
在这里插入图片描述

# 输出置信度最高的规则。首先根据置信度进行排序
sorted_confidence = sorted(confidence.items(), key=itemgetter(1), reverse=True)

#  对置信度字典进行排序后，输出置信度最高的前五条规则
#（ps:这15和13不是一模一样的吗，什么鬼）
    #用for循环输出规则
for index in range(5):  
    print("Rule #{0}".format(index + 1))
    (premise, conclusion) = sorted_confidence[index][0]
    print_rule(premise, conclusion, support, confidence, features)

运行结果
在这里插入图片描述

附件：affinity_dataset.txt

将下面的数据复制粘贴到txt文件中并命名为affinity_dataset.txt即可

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
1 0 0 0 1
1 0 0 0 1
0 0 0 1 1
0 0 1 1 1
1 1 0 0 1
0 1 0 0 0
0 0 0 0 1
0 0 1 0 1
0 1 0 0 1
0 0 1 1 1
1 0 0 0 1
0 0 1 1 1
1 1 0 0 0
0 1 0 0 0
0 0 1 0 0
0 1 0 0 1
0 1 0 0 0
0 1 0 0 1
0 0 1 1 1
0 0 1 1 0
0 0 1 0 1
0 0 0 0 1
0 1 0 0 0
0 1 0 1 0
1 1 1 0 1
1 1 0 0 1
0 0 1 1 1
0 0 1 0 1
0 0 1 1 1
0 0 1 1 0
0 1 1 0 1
0 0 1 1 0
0 1 0 0 1
0 0 0 0 1
0 0 1 0 1
1 1 0 1 1
1 0 0 0 1
0 0 1 1 1
0 1 0 0 0
0 1 0 1 1
0 1 0 0 0
0 1 0 0 0
0 0 1 1 0
0 0 1 1 1
0 1 0 1 0
0 1 1 0 0
0 0 1 1 0
0 0 1 1 1
1 0 0 0 0
0 1 0 1 0
1 0 0 0 1
0 1 0 0 0
0 0 0 0 1
0 0 1 1 1
0 1 1 1 1
1 1 0 0 0
0 0 1 0 1
1 0 0 0 1
1 1 0 0 0
0 1 1 0 0
0 0 0 0 1
0 1 0 0 0
0 0 1 1 1
0 1 0 0 1
1 0 0 0 1
1 0 0 0 1
0 1 0 0 1
0 0 1 1 1
1 0 1 0 1
1 1 0 0 1
0 1 0 0 1
1 1 1 0 1
0 0 1 1 1
1 0 0 0 0
0 0 1 1 1
1 1 0 1 0
0 0 1 0 0
0 0 1 0 1
0 1 0 0 0
1 1 0 0 0
0 0 0 1 0
0 0 0 1 1
0 1 0 0 0
0 1 0 0 0
1 1 0 0 1
0 0 1 0 0
0 1 0 0 1
1 1 0 1 0
1 0 0 0 1
0 1 0 0 0
0 0 1 1 0
0 1 1 0 0
0 0 1 1 0
0 0 0 0 1

00勇士王子

关注

6
点赞
踩
64

收藏

觉得还不错? 一键收藏
2
评论
数据挖掘实例1：亲和性分析示例（代码、注释、运行结果）

前言本实例采用python3环境，编辑器采用Jupyter Notebook，安装使用方法请参考，本实例中所用到的附件内容放在文末，如果想要自行运行一下代码，可以尝试一下。Jupyter Notebook介绍、安装及使用教程亲和性分析示例终于迎来了第一个数据挖掘的例子，我们拿这个亲和性分析的示例来具体看下数据挖掘到底是怎么回事。数据挖掘有个常见的应用场景，即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
复制链接

扫一扫

专栏目录