利用mlxtend进行数据关联分析

guan

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😄。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

1. !pip3 install mlxtend

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

1. import pandas as pd

2. from mlxtend.preprocessing import TransactionEncoder

3. #测试数据

4. records = [['牛奶', '洋葱', '猪肉', '鸡蛋', '洋葱', '酸奶'],

5. ['洋葱', '豆角', '酸奶', '鸡蛋', '苹果'],

6. ['牛奶', '苹果', '豆角', '鸡蛋'],

7. ['牛奶', '玉米', '胡萝卜', '豆角', '酸奶'],

8. ['玉米', '洋葱', '豆角', '冰激凌', '鸡蛋']]

9. Encoder = TransactionEncoder()

10. encoded_data = Encoder.fit_transform(records)

11. df = pd.DataFrame(encoded_data, columns=Encoder.columns_)

12. df

频繁项

找出频繁项,这里会用到 mlxtend.frequent_patterns 中的 apriori 函数

apriori(df, minsupport=0.5, usecolnames=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minsupport=0.05， usecolnames=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。

1. from mlxtend.frequent_patterns import apriori

2. frequent_items = apriori(df, min_support=0.05, use_colnames=True, max_len=4).sort_values(by='support', ascending=False)

3. frequent_items

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

associationrules(df, metric='confidence', minthreshold=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

1. from mlxtend.frequent_patterns import association_rules

2. ass_rule = association_rules(frequent_items, metric='confidence', min_threshold=0.8)

3. ass_rule.sort_values(by='leverage', ascending=False, inplace=True)

4. ass_rule

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😄

编的数据，所以解读就当笑话吧～

近期文章

课件获取方式，请在公众号后台回复关键词“20191015”