关于《Python数据挖掘入门与实战》读书笔记二（亲和性分析）

1 0 0 1 0

1 1 0 1 0

0 0 1 1 1

1 1 0 1 0

#原文的代码比较零散，网上的代码大多数互抄，先基于个人的理解对代码进行了归纳整理，并添加了注释
  import numpy as np
  from collections import defaultdict
  from operator import itemgetter
  
  #生成关联规则
  def make_relation_rule(X,n_features):
    valid_rules=defaultdict(int)    #定义规则有效的集合
    invalid_rules=defaultdict(int)  #定义规则无效的集合
    num_occurances=defaultdict(int) #定义某商品支持度集合
    #复杂度分析（Complexity Analysis） n_samples*n_features*n_features
    for sample in X:               #循环对样本的每个个体进行处理
        for premise in range(n_features):   #循环对样本的每个个体的每个特征值进行处理
            if sample[premise]==0:continue #检测个体是否满足条件，如果不满足，继续检测下一个条件。
            num_occurances[premise]+=1       #如果条件满足（即值为1），该条件的出现次数加1
            for conclusion in range(n_features): #再次循环样本的每个个体的每个特征值进行处理
                if premise==conclusion:continue #在遍历过程中跳过条件和结论相同的情况
                if sample[conclusion]==1:         #如果个体的目标特征值为1
                    valid_rules[(premise,conclusion)] += 1   #存入规则有效的集合
                else:
                    invalid_rules[(premise,conclusion)] += 1 #规则无效的集合
    support=valid_rules             #规则有效的集合，即支持度集合
    confidence=defaultdict(float)   #定义置信度集合
    #print(valid_rules)             #打印规则有效的结果集
    #print(invalid_rules)           #打印规则无效的结果集
    for premise,conclusion in valid_rules.keys():   #valid_rules是个元祖集合
        rule=(premise,conclusion)                    #获取每个规则
        confidence[rule]=float(valid_rules[rule])/num_occurances[premise]    #这里需要将valid_rules的规则条目数从int转成float,生成规则的置信度
    return support,confidence
  
  #输出某两件商品的支持度和置信度
  def print_especial_rule(premise,conclusion,support,confidence,features):
    premise_name=features[premise]          #转换为商品名称
    conclusion_name=features[conclusion]    #转换为商品名称
    print("Rule:If a person buys {0} they will also buy {1}".format(premise_name,conclusion_name)) #输出商品名称
    print("-Support:{0}".format(support[(premise,conclusion)]))             #输出支持度
    print("-Confidence:{0:.3f}".format(confidence[(premise,conclusion)]))  #输出支持度
  
#输出该结果集支持度topN最高的商品
  def print_topN_suppor_rule(support,confidence,features,topN):
    sorted_support = sorted(support.items(), key=itemgetter(1), reverse=True)
    print('支持度最高的前{0}条规则：'.format(topN))
    for index in range(topN):
        print("规则 #{0}".format(index + 1))
        premise,conclusion = sorted_support[index][0]
        print_especial_rule(premise, conclusion, support, confidence, features)
  
  #输出该结果集置信度topN最高的商品
  def print_topN_confidence_rule(support,confidence,features,topN):
    sorted_confidence = sorted(confidence.items(), key=itemgetter(1), reverse=True)
    print('置信度最高的前{0}条规则：'.format(topN))
    for index in range(topN):
        print("规则 #{0}".format(index + 1))
        premise,conclusion = sorted_confidence[index][0]
        print_especial_rule(premise, conclusion, support, confidence, features)
  
  if __name__ == '__main__':
    #使用numpy加载数据集
    X=np.loadtxt("affinity_dataset.txt")
    #定义物品的映射关系
    features = ["bread", "milk", "cheese", "apples", "bananas"]
    '''
    #Version1 购买苹果的支持度
    num_app_purchases=0
    for sameple in X:
        if sameple[3]==1:
            num_app_purchases+=1
    print('{0}people bought Apples'.format(num_app_purchases))
    '''
    #获取数据集的大小形状，np_sameple为样本数量，n_features为样本列数
    n_samples,n_features=X.shape
    print(n_samples,n_features)
    #生成支持度和置信度集合
    support,confidence=make_relation_rule(X,n_features)
    #定义待求关联结果的物品和物品
    premise=1
    conclusion=3
    #输出两件商品的置信度和支持度
    print_especial_rule(premise,conclusion,support,confidence,features)
    #输出支持度高的前5条规则
    print_topN_suppor_rule(support,confidence,features,5)
    #输出置信度高的前5条规则
    print_topN_confidence_rule(support, confidence, features, 5)