案例：探究使用者對物品類別的喜好細分降維

資料如下：

• order_products__prior.csv：訂單與商品資訊

  • 欄位：order_id,product_id, add_to_cart_order, reordered

• products.csv：商品資訊

  • 欄位：product_id, product_name,aisle_id, department_id
• orders.csv：使用者的訂單資訊
  • 欄位：order_id,user_id,eval_set,order_number,….
• aisles.csv：商品所屬具體物品類別
  • 欄位：aisle_id,aisle

需求：

分析

• 合併表，使得user_id與aisle在一張表當中
• 進行交叉表變換
• 進行降維

完整程式碼

#案例
def anli():
    # 1、獲取資料集
    # ·商品資訊- products.csv：
    # Fields：product_id, product_name, aisle_id, department_id
    # ·訂單與商品資訊- order_products__prior.csv：
    # Fields：order_id, product_id, add_to_cart_order, reordered
    # ·使用者的訂單資訊
 
- orders.csv：
    # Fields：order_id, user_id,eval_set, order_number,order_dow, order_hour_of_day, days_since_prior_order
    # ·商品所屬具體物品類別- aisles.csv：
    # Fields：aisle_id, aisle
    products = pd.read_csv("./instacart/products.csv")
    order_products = pd.read_csv("./instacart/order_products__prior.csv
 
")
    orders = pd.read_csv("./instacart/orders.csv")
    aisles = pd.read_csv("./instacart/aisles.csv")

    # 2、合併表，將user_id和aisle放在一張表上
    # 1）合併orders和order_products on=order_id tab1:order_id, product_id, user_id
    tab1 = pd.merge(orders, order_products, on=["order_id", "order_id"])
    # 2）合併tab1和products on=product_id tab2:aisle_id
    tab2 = pd.merge(tab1, products, on=["product_id", "product_id"])
    # 3）合併tab2和aisles on=aisle_id tab3:user_id, aisle
    tab3 = pd.merge(tab2, aisles, on=["aisle_id", "aisle_id"])

    # 3、交叉表處理，把user_id和aisle進行分組
    table = pd.crosstab(tab3["user_id"], tab3["aisle"])

    # 4、主成分分析的方法進行降維
    # 1）例項化一個轉換器類PCA
    transfer = PCA(n_components=0.95)
    # 2）fit_transform
    data = transfer.fit_transform(table)
    print("形狀：\n",data.shape)
    return None
if __name__=="__main__":
    anli()

總結：

1、資料集的結構是什麼?

答案: 特徵值+ 目標值

2、機器學習演算法分成哪些類別? 如何分類

答案: 根據是否有目標值分為 監督學習和非監督學習監督學習

根據目標值的資料型別:目標值為離散值就是分類問題

​ 目標值為連續值就是迴歸問題

3、什麼是標準化? 和歸一化相比有什麼優點?

答案: 標準化是通過對原始資料進行變換把資料變換到均值為0,方差為1範圍內

​ 優點: 少量異常點, 不影響平均值和方差, 對轉換影響小