#亲和性分析,分析物品之间的相关性,使用了支持度support和置信度confidence
#简化了代码的实现,使用到的规则只有单一性,即只存在购买某件商品(只有一样商品)推测购买另一件商品(也只有一件商品)的可能性
#说明:记录的结构是类似于[0,0,0,1,1],其中0表示没购买,1表示购买,不表示购买的数量。
#通过与下面的features对应,形成真实世界中的购物记录,比如[0,0,0,1,1]表示购买了苹果和香蕉
import numpy as np
from collections import defaultdict
from operator import itemgetter
valid_rules = defaultdict(int)
invalid_rules = defaultdict(int)
num_occurances = defaultdict(int)
support = defaultdict(int)
confidence = defaultdict(int)
features = [
亲和性分析,分析物品之间的相关性
最新推荐文章于 2023-03-07 09:38:11 发布
本文通过亲和性分析探讨了不同物品之间的关联程度,利用这种方法可以揭示购物行为中的隐藏模式,帮助商家进行商品推荐和销售策略制定。
摘要由CSDN通过智能技术生成