6.7 案例：探究用户对物品类别的喜好细分降维

数据如下：

• order_products__prior.csv：订单与商品信息
  • 字段：order_id, product_id, add_to_cart_order, reordered
• products.csv：商品信息
  • 字段：product_id, product_name, aisle_id, department_id
• orders.csv：用户的订单信息
  • 字段：order_id,user_id,eval_set,order_number,….

• aisles.csv：商品所属具体物品类别

  • 字段： aisle_id, aisle

    1 需求

    2 分析

• 1.获取数据

• 2.数据基本处理
  • 2.1 合并表格
  • 2.2 交叉表合并
  • 2.3 数据截取
• 3.特征工程 — pca
• 4.机器学习（k-means）

• 5.模型评估

  • sklearn.metrics.silhouette_score(X, labels)
    • 计算所有样本的平均轮廓系数
    • X：特征值
    • labels：被聚类标记的目标值

      3 完整代码

      import pandas as pd
      from sklearn.decomposition import PCA
      from sklearn.cluster import KMeans
      from sklearn.metrics import silhouette_score

• 1.获取数据

  order_product = pd.read_csv("./data/instacart/order_products__prior.csv")
  products = pd.read_csv("./data/instacart/products.csv")
  orders = pd.read_csv("./data/instacart/orders.csv")
  aisles = pd.read_csv("./data/instacart/aisles.csv")

  2.数据基本处理

• 2.1 合并表格

  # 2.1 合并表格
  table1 = pd.merge(order_product, products, on=["product_id", "product_id"])
  table2 = pd.merge(table1, orders, on=["order_id", "order_id"])
  table = pd.merge(table2, aisles, on=["aisle_id", "aisle_id"])

• 2.2 交叉表合并

  table = pd.crosstab(table["user_id"], table["aisle"])

• 2.3 数据截取

  table = table[:1000]

  3.特征工程 — pca

  transfer = PCA(n_components=0.9)
  data = transfer.fit_transform(table)

  4.机器学习（k-means）

  estimator = KMeans(n_clusters=8, random_state=22)
  estimator.fit_predict(data)

  5.模型评估

  silhouette_score(data, y_predict)