利用mlxtend进行数据关联分析
source link: https://www.tuicool.com/articles/nQRZruV
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
大数据挖掘最深入人心的一个故事应该是“啤酒与尿布”，这个规律就是用关联分析发现的。今天我们就来点关联分析，刚刚学到的，现学现分享:smile:。下面假设是某超市的交易记录（我编造的）
基本概念
我们在关联分析之前先了解几个基本概念。
找出频繁一起出现的物品集的集合，我们称之为频繁项集。比如一个超市的频繁项集可能有{{啤酒,尿布},{鸡蛋,牛奶},{香蕉,苹果}}
mlxtend安装
mlxtend是python的机器学习扩展库，在数据科学中也会经常遇到。在本文主要是使用其中的关联分析一些方法
编码
这块跟sklearn文本分析的contvertorizer和tfidfvectorizer差不多，都是从数据中学到 空间
频繁项
找出频繁项,这里会用到 mlxtend.frequent_patterns 中的 apriori 函数
apriori(df, min support=0.5, use colnames=False, max_len=None)
df：编码后的dataframe，如上图
min_support：给定的最小支持度
use_colnames：默认False，则返回的物品组会用编号显示，为True的话直接显示物品名称。
max_len=None：最大物品组合数，默认是None，不做限制。
我们设置min support=0.05， use colnames=True， 需要计算最多四个物品组合的话，便将max_len这个值设置为4。
求关联规则
mlxtend.frequent_patterns 里封装有关联规则函数 association_rules ，我们可以直接使用该函数帮助我们找到关联规则
association rules(df, metric=’confidence’, min threshold=0.8)
df: 频繁项dataframe
metric：默认是confidence
min_threshold：给选定的metric设定最低阈值
从上面看，买了苹果的人，会再买鸡蛋和豆角。可能这人爱吃苹果，主食会来来豆角炒鸡蛋:smile:
编的数据，所以解读就当笑话吧～
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK