关联规则挖掘穿衣搭配推荐python代码
时间: 2024-10-13 14:11:39 浏览: 52
关联规则挖掘是一种数据挖掘技术,通常用于市场篮子分析等领域,通过发现项目之间的频繁模式来推断消费者的购买习惯。对于穿衣搭配推荐,我们可以将它转化为一种商品间的关联规则,比如"如果用户购买了T恤,那么他可能还会购买牛仔裤"。
在Python中,可以使用Apriori算法库如mlxtend或pandas结合 association_rules() 函数来进行关联规则挖掘。这里是一个简单的例子:
```python
from mlxtend.preprocessing import TransactionEncoder
from mlxtend.frequent_patterns import apriori, association_rules
# 假设这是用户的购物记录,每个列表代表一次购物行为
transactions = [['T恤', '牛仔裤'], ['运动鞋', '短袖', '运动裤'], ['T恤', '运动帽']]
# 将字符串转换为编码数组
te = TransactionEncoder()
te_ary = te.fit(transactions).transform(transactions)
# 使用Apriori算法找到支持度大于某个阈值的项集
frequent_itemsets = apriori(te_ary, min_support=0.4, use_colnames=True)
# 根据频繁项集生成关联规则
rules = association_rules(frequent_itemsets, metric="lift", min_threshold=1)
# 打印出推荐规则
for rule in rules.head():
print(f"{rule['left']['itemset']} -> {rule['right']['itemset']} ({rule['confidence']:.2f}, lift={rule['lift']:.2f})")
阅读全文