數據挖掘 ---支持度和置信度的用法

如果客戶買了 xx 物品,那么他可能買YY物品

 

 

規則常用的方法,支持度和置信度

 

支持度是指規則的應驗次數

置信度就是應驗次數所占的比例

 

 

直接上代碼

# 面包,牛奶,奶酪,蘋果,香蕉
from collections import OrderedDict
import numpy as np 
from pyexcel_xls import get_data
from pyexcel_xls import save_data
xls_data = get_data(r"777.xls")
features = ["bread", "milk", "cheese", "apples", "bananas"]

# print (xls_data['Sheet1'])
lis =xls_data['Sheet1']
X= np.array(lis)
n_samples,n_features=X.shape  # 獲取行數
print(n_samples)
print(n_features)
# print(X)
# 統計買蘋果的人數
num_apple_purchaes =0
for  sample  in X:
    if sample[3]==1:
        num_apple_purchaes +=1
print("{0} people bought Apples".format(num_apple_purchaes))
from collections import defaultdict

valid_rules =defaultdict(int)         # 接受應驗次數
invalid_rules =defaultdict(int)       # 接受不應驗次數
num_occurences =defaultdict(int)       # 接受出現次數



for sample in X:                                 #對每一行進行循環
    for premise in range(n_features):            #對每列進行循環
        if sample[premise] == 0: continue        #判斷該行的某一列列元素是否位0，即是否購買，若為0，跳出本輪循環，測試下一列
        
        num_occurences[premise] += 1             #記錄有購買的一列 sample[premise]
        for conclusion in range(n_features):     #當讀取到某一列有購買后，再次循環每一列的值
            if premise == conclusion:            #排除相同的一列，若循環到同一列，則跳出循環，比較下一列
                continue
            if sample[conclusion] == 1:          #當sample[conclusion] 的值為1時，滿足了當顧客購買前一件商品時也買了這種商品
                
                valid_rules[(premise, conclusion)] += 1  #記錄下該規則出現的次數
            else:
                
                invalid_rules[(premise, conclusion)] += 1  #當不滿足時即 sample[conclusion]=0 時，記錄下不滿足該規則的次數
support = valid_rules                               #支持度=規則出現的次數
confidence = defaultdict(float)                     #強制將置信度轉為浮點型
for premise, conclusion in valid_rules.keys():
    confidence[(premise, conclusion)] = valid_rules[(premise, conclusion)] / num_occurences[premise] #計算某一規則的置信度，並將其存在字典confidence中

    
    
for premise, conclusion in confidence:     #根據字典的兩個參數來取值
    premise_name = features[premise]       #我們之前定義了features列表，它的每一列都對應數組的每一列，即商品名稱
    conclusion_name = features[conclusion] #商品名稱
 
    print("Rule: 如果顧客購買 {0} 那么他可能同時購買 {1}".format(premise_name, conclusion_name))
    print(" - Confidence: {0:.3f}".format(confidence[(premise, conclusion)]))
    print(" - Support: {0}".format(support[(premise, conclusion)]))
    print("")

 

 

結果:  通過 置信度和支持度即可 知道  當買了什么時候,客戶更喜歡在買什么

25
5
18 people bought Apples
Rule: 如果顧客購買 bread 那么他可能同時購買 milk
 - Confidence: 0.533
 - Support: 8

Rule: 如果顧客購買 milk 那么他可能同時購買 cheese
 - Confidence: 0.222
 - Support: 2

Rule: 如果顧客購買 apples 那么他可能同時購買 cheese
 - Confidence: 0.333
 - Support: 6

Rule: 如果顧客購買 milk 那么他可能同時購買 apples
 - Confidence: 0.444
 - Support: 4

Rule: 如果顧客購買 bread 那么他可能同時購買 apples
 - Confidence: 0.667
 - Support: 10

Rule: 如果顧客購買 apples 那么他可能同時購買 bread
 - Confidence: 0.556
 - Support: 10

Rule: 如果顧客購買 apples 那么他可能同時購買 bananas
 - Confidence: 0.611
 - Support: 11

Rule: 如果顧客購買 apples 那么他可能同時購買 milk
 - Confidence: 0.222
 - Support: 4

Rule: 如果顧客購買 milk 那么他可能同時購買 bananas
 - Confidence: 0.556
 - Support: 5

Rule: 如果顧客購買 cheese 那么他可能同時購買 bananas
 - Confidence: 0.556
 - Support: 5

Rule: 如果顧客購買 cheese 那么他可能同時購買 bread
 - Confidence: 0.556
 - Support: 5

Rule: 如果顧客購買 cheese 那么他可能同時購買 apples
 - Confidence: 0.667
 - Support: 6

Rule: 如果顧客購買 cheese 那么他可能同時購買 milk
 - Confidence: 0.222
 - Support: 2

Rule: 如果顧客購買 bananas 那么他可能同時購買 apples
 - Confidence: 0.647
 - Support: 11

Rule: 如果顧客購買 bread 那么他可能同時購買 bananas
 - Confidence: 0.467
 - Support: 7

Rule: 如果顧客購買 bananas 那么他可能同時購買 cheese
 - Confidence: 0.294
 - Support: 5

Rule: 如果顧客購買 milk 那么他可能同時購買 bread
 - Confidence: 0.889
 - Support: 8

Rule: 如果顧客購買 bananas 那么他可能同時購買 milk
 - Confidence: 0.294
 - Support: 5

Rule: 如果顧客購買 bread 那么他可能同時購買 cheese
 - Confidence: 0.333
 - Support: 5

Rule: 如果顧客購買 bananas 那么他可能同時購買 bread
 - Confidence: 0.412
 - Support: 7

 

 

 

最后按照置信度排序