数据挖掘实践（一）：亲和性分析

亲和性分析---根据样本个体（物体）之间的相似度，确定他们关系的亲疏，探索各变量间的关系。

一、应用场景：

1.向网站用户提供多样化的服务或投放定向广告

2.为了向用户推荐电影或商品，而卖给他们一些与之相关的小玩意

3.根据基因寻找有亲缘关系的人

测量方法：统计两件商品一起出售的频率，或者统计顾客购买了商品X后再买商品Y的比率，或者计算个体之间的相似度。

简单的规则排序：记一条规则为“如果一个人买了X,那么他很有可能购买Y。”找出规则后，还需要判 断其优劣，我们挑好的规则用。 规则的优劣有多种衡量方法，常用的是支持度（support）和置信度（confidence）。

支持度：支持度衡量的是给定规则应验的比例。

置信度：置信度衡量的则是规则准确率如何，即符合给定条

件（即规则的“如果”语句所表示的前提条件）的所有规则里，跟当前规则结论一致的比例有多

大。计算方法为首先统计当前规则的出现次数，再用它来除以条件（“如果”语句）相同的规则

数量。

二、以顾客购买面包、牛奶、奶酪、苹果和香蕉5种水果的交易记录为例。

1.加载数据集--affinity_dataset.txt

import numpy as np
dataset_filname = "affinity_dataset"
x = np.loadtxt(dataset_filname)
print(x[:5])

上述代码的运行结果为前5次交易中，顾客都买了什么。

affinity_dataset.txt内容如下：复制一下内容到txt新文件中即可。

0 0 1 1 1
1 1 0 1 0
1 0 1 1 0
0 0 1 1 1
0 1 0 0 1
0 1 0 0 0
1 0 0 0 1
1 0 0 0 1
0 0 0 1 1
0 0 1 1 1
1 1 0 0 1
0 1 0 0 0
0 0 0 0 1
0 0 1 0 1
0 1 0 0 1
0 0 1 1 1
1 0 0 0 1
0 0 1 1 1
1 1 0 0 0
0