0

我正在做一个根据用户在网站上的浏览模式对用户进行分类的项目。

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、凝聚和 DBSCAN）不允许将列表作为输入数据。

我有访问页面的列表，按会话分隔。

例子：

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]]

每个列表代表一个访问页面的会话。每个数字代表 URL 的一部分。

例子：

1 = '/home'
2 = '/blog'
3 = '/about-us'
...

我通过模式挖掘脚本输入数据。

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)}

根据一篇论文，我正在使用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（可变长度）作为输入。

我已经尝试过了，但是没有用。

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，或者是否有另一种更适合这个的算法？

提前致谢！

4

1 回答 1

1

HAC 和 DBSCAN 都可以与列表一起使用。

您只需要自己计算距离矩阵，因为您显然不能在此数据上使用欧几里得距离。反而。例如，您可以考虑 Jaccard。

不能使用 K-means。它需要 R^d 中的连续数据。

于 2019-05-07T18:42:07.880 回答