采用PCA算法&KMeans算法来实现用户对物品类别的喜好细分（菜篮子分析）（附带数据集下载）

实现该项目的流程如下

"""
项目：用户对物品类别的喜好细分（菜篮子分析）

主算法：PCA降维算法
       KMeans算法

总思路
    1、导包
    2、获取数据
    3、数据处理
    5、特征工程（使用PCA降维）
　　 6、使用KMeans算法进行模型训练
　　 7、模型评估

"""

First of all！！导包

# 1、导包

import pandas as pd #读取数据用
from sklearn.decomposition import PCA # PCA算法，用于把一些没必要的特征删除
from sklearn.cluster import KMeans # 用来进行无目标值训练，即无监督学习
from sklearn.metrics import silhouette_score # 衡量无监督学习的模型是否优秀

然后就是导入数据啦

# 2、获取数据

order_products = pd.read_csv("order_products__prior.csv")
products = pd.read_csv("products.csv")
orders = pd.read_csv("orders.csv")
aisles = pd.read_csv("aisles.csv")

这里提供数据集的下载（百度网盘）（数据很大，不要用流量！！）

链接：https://pan.baidu.com/s/1k-_rvVhc_tjUB8GLFkYlDw
提取码：pq95

接着就是最爱的数据处理环节了

# 数据处理
# 合并表：.merge()，连接两个DataFrame并返回连接之后的DataFrame，每个参数有不同的结果，详情请自行搜索
    # 目的是将user_id与aisles连接在一起

tab1 = pd.merge(aisles,products,on=['aisle_id','aisle_id'])
tab2 = pd.merge(order_products,tab1,on=['product_id','product_id'])
tab3 = pd.merge(orders,tab2,on=['order_id','order_id'])

# 找到user_id和aisle之间的关系
# .crosstab()是实现交叉表

data = pd.crosstab(tab3["user_id"],tab3["aisle"])
data = tab[:10000] # 偷懒减数【手动滑稽】

下一步是进行降维了

# PCA降维

# 实例化转换器
transfer = PCA(n_components=0.95)

# 调用函数
data_new = transfer.fit_transform(data)

接着就是进行模型训练了

# 预估器流程

estimator = KMeans(n_clusters=3) # n_clusters是用来决定分类的类别数
estimator.fit(data_new)

最后就是模型评估啦

# 模型评估

# 查看轮廓系数
print("轮廓系数为:",silhouette_score(data_new,estimator.predict(data_new)))

以上就是作者对于本项目的一些基本实现啦

（ps：该随笔是作者一边学习一边写的，里面有一些自己的拙见，如果有错误或者哪里可以改正的话，还请大家指出并批评改正！）