数据挖掘入门系列教程（一）之亲和性分析

什么是数据挖掘， 相信点击进入这篇博客的人都应该知道了吧。通俗的说就是挖掘数据所蕴含的含义，寻找数据之间的关系。

下面将以最简单的亲和性分析来开始吧。

首先我们需要加载数据集，数据的文件名为affinity_dataset.txt：

import numpy as np
data_filename = "affinity_dataset.txt"
datas = np.loadtxt(data_filename)
# 列的属性
features = ["面包", "牛奶", "黄油", "苹果", "香蕉蕉"]

数据集我们已经加载完毕，为了得到商品A和商品B的数据，在python中也就是（商品A，商品B）元组，我们需要进行遍历，然后将数据保存下来。

现在让我们来计算置信度。我们使用valid_rules字典来保存商品A和商品B同时存在的记录，使用invalid_rules来保存当商品A存在时，但是商品B不存在的记录。

valid_rules = defaultdict(int)
invalid_rules = defaultdict(int)

我们使用defaultdict来创建字典而不是使用常用的方式是因为：

这样的好处是即使在没有这个key的时候，它也会返回默认的值0。

我们定义一个方法，目的是为了统计A，B之间的关系。

# A 和 B之间的联系，返回购买A商品的数量
def connect(indexA, indexB):
    buy_A_num = 0
    for sample in datas:
        if sample[indexA] == 0:
            continue
        buy_A_num += 1
        
        if(sample[indexB] == 1):
            valid_rules[(indexA, indexB)] += 1
        else:
            invalid_rules[(indexA, indexB)] += 1
    return buy_A_num
         

方法，我们就可以获得需要的数据，现在我们可以计算置信度了。

def get_confidence():
    confidence = defaultdict(float)
    for premise, feature in valid_rules.keys():
        rule = (premise, feature)
        confidence[rule] = valid_rules[rule] / (valid_rules[rule]+invalid_rules[rule])
        print("购买{0}后同时{1}的置信度为：{2:0.3f}".format(features[rule[0]],features[rule[1]],confidence[rule]))
    return confidence

当然支持度怎么算，这个就太简单了，就是valid_rules里面的value除以数据总量即可，就不展示了。

运行代码，使用for循环将所有的关系都找出来，然后计算置信度：

if __name__ == "__main__":
    for i in range(len(features)):
        for j in range(len(features)):
            if(i == j):
                continue
            connect(i,j)
    confidence = get_confidence()

最后结果如下所示：

同样我们可以对置信度进行排序，字典的items()函数返回包含字典所有元素的列表。itemgetter(1)表示以字典各元素的值（这里为置信度）作为排序依据，reverse=True表示降序排列。

from operator import itemgetter
    sort_dict = sorted(confidence.items(),key=itemgetter(1),reverse=True)
    for index in range(5):
        rule = sort_dict[index][0]
        print("购买{0}后同时{1}的置信度为：{2:0.3f}".format(features[rule[0]],features[rule[1]],confidence[rule]))

结果如下图所示：

项目地址：github

参考书籍：Python数据挖掘入门与实践