17-instacart降维案例

最新推荐文章于 2022-08-10 21:28:02 发布

yuhui_2000

最新推荐文章于 2022-08-10 21:28:02 发布

阅读量369

点赞数 1

分类专栏：黑马程序员3天快速入门Python机器学习文章标签： python 机器学习数据分析人工智能

本文链接：https://blog.csdn.net/yuhui_2000/article/details/114796750

版权

该博客通过分析Instacart的数据，探讨了用户对不同物品类别的购买偏好。首先介绍了案例背景和数据详情，然后提出了通过合并数据、创建交叉表和使用PCA进行降维来找出用户ID与物品类别之间的关系。降维后，数据的特征冗余得到减少，便于进一步的分析。

摘要由CSDN通过智能技术生成

案例：探究用户对物品类别的喜好细分降维

案例介绍

在这里插入图片描述

数据介绍

在这里插入图片描述

思路

探究【用户】【user_id】和【物品类别】【aisle】之间的关系

小问题

在这里插入图片描述

步骤

1）需要将user_id和aisle放在同一个表中–》合并

2）找到user_id和aisle之间的关系–》交叉表和透视表

3）特征冗余过多–》PCA降维

解

在这里插入图片描述

import pandas as pd
from sklearn.decomposition import PCA

# 1.获取数据
products=pd.read_csv("../data/instacart/products.csv")
aisles=pd.read_csv("../data/instacart/aisles.csv")
orders=pd.read_csv("../data/instacart/orders.csv")
order_products__prior=pd.read_csv("../data/instacart/order_products__prior.csv")

下面是我的文件结构

在这里插入图片描述

<class 'pandas.core.frame.DataFrame'>
Int64Index: 32434489 entries, 0 to 32434488
Data columns (total 14 columns):
 #   Column                  Dtype  
---  ------                  -----  
 0   aisle_id                int64  
 1   aisle                   object 
 2   product_id              int64  
 3   product_name            object 
 4   department_id           int64  
 5   order_id                int64  
 6   add_to_cart_order       int64  
 7   reordered               int64  
 8   user_id                 int64  
 9   eval_set                object 
 10  order_number            int64  
 11  order_dow               int64  
 12  orde