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)