机器学习之电子商务网站用户行为分析及服务推荐案例

最新推荐文章于 2024-07-01 16:03:27 发布

原创

最新推荐文章于 2024-07-01 16:03:27 发布 · 3.5k 阅读

28 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #推荐系统 #python

本文介绍了一个基于用户浏览记录的推荐系统实现案例，采用杰卡德相似系数计算物品间相似度，实现用户个性化网页推荐，并评估推荐准确性。

项目概述

本项目案例根据某法律咨询服务网站的用户浏览记录，把用户划分为训练集的用户和测试集的用户，再根据找出相应用户的浏览记录划分为训练集数据和测试集数据。训练集用于后续构建用户物品矩阵，再根据用户物品矩阵构建物品相似度矩阵（根据杰卡德相似系数公式计算物品相似度）；测试集用于根据用户浏览记录给用户推荐用户可能感兴趣的网页，在计算推荐结果准确度的时候需要根据测试集构建用户浏览字典（键：ip，值：url（列表））

案例的代码已经托管到码云仓库，可自行进行下载：https://gitee.com/atuo-200/recommend_code

案例用的的数据文件已经上传至百度云（单个文件超过100m push不上码云）：
数据在：https://pan.baidu.com/s/1m8kfgOZSZNftye_hDjxmSA
提取码：g9t7

案例用到的数据文件中的字段含义如下：
在这里插入图片描述

案例代码

案例代码如下，代码上已经附上相应的注释

data_explore.py（用于数据探索，独立的一个模块）

import pandas as pd
import re

"""数据探索模块"""

data = pd.read_csv("data/all_gzdata.csv",encoding="gb18030")
#查看前5条数据
print(data.head())
#查看数据有哪些列
print(data.columns)
#查看有多少条数据
print(data.shape)
#查看网址类型
print(data["fullURLId"])
#网址类型统计：统计每种网址类型的数量
print("-----------------------")
urlId=['101','199','107','301','102','106','103']
count=[]
for pattern in urlId:
      index=[sum(re.search(pattern,i)!=None for i in data.loc[:,'fullURLId'].apply(str))][0]
      count.append(index)
urlId_count={
   
   'urlId':urlId,'count':count}
urlId_count=pd.DataFrame(urlId_count)

print(urlId_count)
print("-----------------------")
# 用户点击次数统计
# pd.value_counts()  属于高级方法，返回一个 Series ，其索引值为唯一值，其值为频率，按其计数的降序排列
res = data.loc[:, 'realIP'].value_counts()  # 对 IP 进行统计：每个 IP 点击了多少次
res1 = res.value_counts()  # 对点击次数的 IP 统计：例如点击了 2 次的 ip 有多少个
IP_count = pd.DataFrame({
   
   'a_IP': list(res1.index), 'count': list(res1)})
IP_total = sum(IP_count.iloc[:, 1])

#IP_count.ix[:, 'pers'] = [index / IP_total for index in IP_count.ix[:, 1]]
IP_count['pers'] = IP_count.iloc[:<

最低0.47元/天解锁文章