江苏建筑模板厂家,雪军miui一键优化,大渡口区网站建设,工程合同范本通用版一、探究用户对物品类别的喜好细分
1、找到用户和物品类别的关系 数据如下#xff1a; #xff08;1#xff09;order_products__prior.csv#xff1a;订单与商品信息 字段#xff1a;order_id#xff0c;product_id#xff0c;add_to_cart_order#xff0c;reordered…一、探究用户对物品类别的喜好细分
1、找到用户和物品类别的关系 数据如下 1order_products__prior.csv订单与商品信息 字段order_idproduct_idadd_to_cart_orderreordered 2products.csv商品信息 字段product_idproduct_nameaisle_iddepartment_id 3orders.csv用户的订单信息 字段order_iduser_ideval_setorder_number... 4aisles.csv商品所属具体物品类别 字段aisle_idaisle 5aisle是过道的意思为什么过道可以表示物品类别呢因为超市一个过道基本是同一类商品
2、字段 用户 物品类别 user_id aisle 1需要将user_id和aisle放在同一张表中 --合并 2找到user_id和aisle --交叉表和透视表pandas里 3特征冗余过多要降维 --PCA降维 4这个数据需要自己去kaggle下载
二、安装Jupyter Notebook
1、安装 pip install notebook
2、启动 jupyter notebook --allow-root --ip 192.168.1.100
3、根据提示浏览器访问 http://192.168.1.100:8888/?token04c3869ea51b908486ae5e3c4d4fd5a7b1021904a57e78ff
三、Jupyter建立day01_instacart_pca
# 1、获取数据
# 2、合并表
# 3、找到user_id和aisles之间的关系
# 4、PCA降维import pandas as pd# 1、获取数据
order_products pd.read_csv(./order_products__prior.csv)
products pd.read_csv(./products.csv)
orders pd.read_csv(./orders.csv)
aisles pd.read_csv(./aisles.csv)# 2、合并表
# 合并aisles.csv和products.csv表
tab1 pd.merge(aisles, products, on[aisle_id, aisle_id])tab2 pd.merge(tab1, order_products, on[product_id, product_id])tab3 pd.merge(tab2, orders, on[order_id, order_id])#head()是获取dataframe的前5行数据
tab3.head()# 3、找到user_id和aisles之间的关系
table pd.crosstab(tab3[user_id], tab3[aisle])table.head()# 4、PCA降维
from sklearn.decomposition import PCA# 1实例化一个转换器类
transfer PCA(n_components0.95)
# 2调用fit_transform
table_new transfer.fit_transform(table)table_new.shape# 降维留下了44个特征同时保留了95%的信息table_new
