降维案例

Posted 2020-12-22 shenjianping

一、数据集介绍

 该案例描述的是一段时间内客户的订单，预测用户下一次将会买那些订单。

数据集的信息如下：

• products.csv  商品信息
• order_products__prior.csv 订单与商品关系信息
• orders.csv 订单信息
• aisles.csv 商品所属的具体类别

1、 products.csv

import pandas as pd
product_df = pd.read_csv(r‘I:machine_learnexample_products.csv‘)
product_df.head(10)

该文件是产品数据，里面的字段有product_id（产品ID），product_name（产品名称），aisle_id（产品类型）等。

2、order_products__prior.csv

order_products__prior_df = pd.read_csv(r‘I:machine_learnexample_order_products__prior.csv‘)
order_products__prior_df.head(10)

该文件是产品和订单数据，里面的字段有product_id（产品ID），order_id（订单ID）等。

 3、orders.csv

orders_df = pd.read_csv(r‘I:machine_learnexample_orders.csv‘)
orders_df .head(10)

 该文件是订单数据，里面的字段有user_id（用户ID），order_id（订单ID）等。

4、aisles.csv

aisles_df = pd.read_csv(r‘I:machine_learnexample_aisles.csv‘)
aisles_df .head(10)

 该文件是产品类型数据，里面的字段有aisle_id（产品数据类型ID），aisle（产品类型名称）。

二、预测

现在探究的是用户和物品类型的关系：

1、读取四张表

import pandas as pd
from sklearn.depositions import PCA

product_df = pd.read_csv(r‘I:machine_learnexample_products.csv‘)
order_products__prior_df = pd.read_csv(r‘I:machine_learnexample_order_products__prior.csv‘)
orders_df = pd.read_csv(r‘I:machine_learnexample_orders.csv‘)
aisles_df = pd.read_csv(r‘I:machine_learnexample_aisles.csv‘)

2、合并四张表

_mg = pd.merge(order_products__prior_df,product_df,on=[‘product_id‘,‘product_id‘])
_mg = pd.merge(_mg,orders_df,on=[‘order_id‘,‘order_id‘])
_ma = pd.merge(_mg,aisles_df,on=[‘aisle_id‘,‘aisle_id‘])

_ma.head(10) #输出

　　上面就是用户（user_id）与产品类型（aisle）的关系，但是现在需要统计的每一个用户的产品类型，所以用到交叉表（特殊的分组表）。可以查出每一个用户aisle（产品类型）的个数。

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

crossTab_df #输出

3、主成分分析 

pca = PCA(n_components=0.9)
data = pca.fit_transform(crossTab_df)
data #输出

可以看看输出的行列：

data.shape
"""
(206209, 27)
"""