我在做一个项目,根据用户在网站上的浏览模式对他们进行分类。你知道吗
为此,我需要在数据中找到模式,然后对它们进行聚类,但聚类是一个问题,因为我尝试的聚类算法(k-means、aggregative和DBSCAN)不允许列表作为输入数据。你知道吗
我有访问过的页面列表,以会话分隔。你知道吗
示例:
data = [[1, 2, 5],
[2, 4],
[2, 3],
[1, 2, 4],
[1, 3],
[2, 3],
[1, 3],
[7, 8, 9],
[9, 8, 7],
[1, 2, 3, 5],
[1, 2, 3]]
每个列表表示一个会话,其中包含已访问的页面。 每个数字代表URL的一部分。你知道吗
示例:
1 = '/home'
2 = '/blog'
3 = '/about-us'
...
我把数据通过一个模式挖掘脚本。你知道吗
代码:
import pyfpgrowth # pip install pyfpgrowth
data = [[1, 2, 5],
[2, 4],
[2, 3],
[1, 2, 4],
[1, 3],
[2, 3],
[1, 3],
[7, 8, 9],
[9, 8, 7],
[1, 2, 3, 5],
[1, 2, 3]]
patterns = pyfpgrowth.find_frequent_patterns(data, 2)
print(patterns)
rules = pyfpgrowth.generate_association_rules(patterns, 0.7)
print(rules)
结果:
# print(patterns)
{(1,): 6,
(1, 2): 4,
(1, 2, 3): 2,
(1, 2, 5): 2,
(1, 3): 4,
(1, 5): 2,
(2,): 7,
(2, 3): 4,
(2, 4): 2,
(2, 5): 2,
(4,): 2,
(5,): 2,
(7,): 2,
(8,): 2,
(9,): 2}
# print(rules)
{(1, 5): ((2,), 1.0),
(2, 5): ((1,), 1.0),
(4,): ((2,), 1.0),
(5,): ((1, 2), 1.0)}
根据apaper,我使用的下一步是使用找到的模式作为聚类算法的输入(第118页第4.3章),但据我所知,聚类算法不接受列表(长度可变)作为输入。你知道吗
我试过这个,但没用。你知道吗
代码:
from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=4, random_state=0).fit(patterns)
test = [1, 8, 2]
print(kmeans.predict(test))
我应该怎么做才能让k-means算法能够预测冲浪模式所属的组,或者有其他算法更适合这种情况吗?你知道吗
提前谢谢!你知道吗
HAC和DBSCAN都可以用于列表。你知道吗
你只需要自己计算距离矩阵,因为你显然不能在这个数据上使用欧几里德距离。相反。例如,你可以考虑杰卡德。你知道吗
不能使用K-means。它需要R^d中的连续数据
相关问题 更多 >
编程相关推荐